小型断路器(MCB)是一种具有对线路进行过载和短路保护的开关设备,因其具有体积小、易操作、价格低等特点而普遍应用于工业、商业、民用住宅等各种场所。近年来随着人们生活水平的不断提高,MCB的需求呈现出爆发式的增长趋势,同时对产品生产过程的效率、精度也提出了更高的要求。传统的人工装配效率低且装配质量参差不齐,而传统基于振动盘上料的自动装配技术限制了制造的柔性化水平。针对上述问题以及未来的市场需求,提出了一种针对小型断路器零部件的视觉定位与姿态识别方法,基于该方法搭建了基于机器视觉的MCB柔性装配系统,该系统基于机器视觉技术和图像处理算法搭建专用的视觉识别模块,结合基于VGG-16架构的深度学习级联分类器和特征模板匹配方法对MCB零件的种类、位置坐标、当前姿态进行识别,并将识别结果发送给工业机器人控制器,指导工业机器人对不同型号产品的不同零件类型通过机器人夹爪的灵活切换来完成不同的装配任务。本文主要研究内容为:1)根据MCB自动装配的需求完成视觉识别系统的硬件平台搭建。其中视觉识别系统硬件包括basler工业相机、富士镜头、相机支架、光源及光源控制器、零件放置区底座。2)在视觉识别系统硬件平台的基础上完成零件待识别区域源图片的获取,根据小型断路器内部零件的形状特征,研究了对应的图像预处理算法对相机获取的零件待识别区域的源图像进行边缘检测、滤波二值化、腐蚀膨胀等一系列操作后将图片中包含的所有零件进行切割,然后对各个零件通过基于深度学习的级联分类器进行种类及放置状态识别,之后再通过特征匹配和模板匹配获取夹取点坐标及姿态。3)视觉识别系统通过相机标定和坐标转换将夹取点的像素坐标转换成机器人坐标系下的坐标,并通过Socket通信将处理得到零件类别与放置状态、夹取点坐标、旋转角度信息发送给工业机器人控制器。实验结果证明了本文提出的方法的可行性,达到了MCB装配的精度要求,同时也满足柔性化制造的需求。