随着机器视觉控制系统技术越来越广泛应用在智能制造行业中,大量基于机器视觉控制系统技术的智能制造设备被研发出来。在这种智能制造设备的研发中,存在较多的芯片定位与识别工作,机器视觉技术配合电气控制系统完成定位、识别、检测和分拣等操作。本文针对实际智能设备研发中的生产需求,对基于机器视觉的DIE芯片自动定位与识别方法进行深入研究,设计满足实际设备运行所需的DIE芯片定位与识别方法。本文主要有如下创新点:（1）针对DIE芯片检测设备中,存在移动芯片导致芯片表面污染的问题,提出一种基于迭代的最小外接圆定位的精度提高方法。该方法能够有效地适应由污染所造成的边缘轮廓缺失和凸起。在每轮迭代中,搜索边缘轮廓的最小外接圆,并以在最小外接圆上的边缘轮廓点的数量作为该轮迭代的权重值,并将通过该轮迭代的最小外接圆上的边缘轮廓点从边缘轮廓点集合中删去。这种方式能有效地减少迭代的次数,并提高加权平均圆心的精度。当迭代进行到一定的轮次或边缘轮廓点集合中元素的数量下降到一定的程度时,迭代终止。（2）针对芯片定位精度不高和鲁棒性不足的问题,提出一种基于图像分割的特征定位方法。该方法结合卷积神经网络的鲁棒性和数字图像处理的精确性,利用图像分割神经网络模型将图像中所用来定位的特征分割出来,然后利用数字图像处理中边缘检测、形态学处理等方式对分割出来的特征进行精确的定位。使用这种方式得到的结果比单一的卷积神经网络的方法或单一数字图像处理的方法有着更高的精度。（3）针对特定成像环境下OCR字符识别效率不高的问题,提出一种基于相似度匹配的OCR字符识别方法。该方法首先对大量的相同的字符计算标准字符模板,以这些标准模板字符相似度计算的模板。在字符识别阶段,计算待识别字符与标准字符模板之间的相似度,并以相似度最大的标准字符模板所代表的字符作为待识别字符的结果。本文根据DIE芯片检测工位所需的定位与识别任务进行展开,将任务分为粗定位、细定位、高温定位和低温定位以及OCR字符识别。对粗定位和细定位从数字图像处理的角度,设计满足智能制造设备要求的定位算法。对于高温定位和低温定位,采用数字图像处理、U-Net分割定位和SSD定位的方法研究定位的精度、效率和稳定性问题。对于OCR字符识别,使用相似度匹配的方法和EfficientNet分类识别的方法进行研究。