促进制造业数字化、网络化、智能化是《中国制造2025》的重要方针之一,利用数字技术与人工智能技术提高制造效率为当前主流趋势。随着工业4.0的发展,制造业逐步向个性化、定制化生产转型,同时全球制造业正面临着人力成本上升的问题。在离散制造单元中使用人机协作技术,可以充分发挥人与机器人各自优势,从制造柔性、效率和安全方面得到提升,因此成为重点研究对象。实现人机协作关键在于让机器人理解人的行为活动。Kinect传感器对于复杂光照和背景变化下的人体关节识别具有较好的鲁棒性,适用于工业现场人机协作的感知,对提高人机协作的效率和安全性具有重要作用。本文针对离散制造单元设计了一种基于Kinect的人机协作系统,采集人体关节位姿并进行动作识别,从而实现对机器人的协作控制以及安全策略。首先,针对典型的离散制造场景构建了离散制造单元人机协作平台,利用Azure Kinect传感器实现工业现场人体关节数据和深度图像数据的采集与存储,并针对人机协作制造中的常见的人体动作构建了协作场景下的人体动作数据库。其次,对人体关节位置信息进行标准化处理,以降低不同位置、视角以及人体体态导致的数据异常。基于传感器提供的人体关节四元数姿态信息,提取关节角参量以及骨骼向量角速度,完成动作的特征数字化描述。针对传感器采集的人体关节噪声等异常数据,使用卡尔曼滤波进行去噪。在此基础上,将处理后的特征数据编码至高维空间,为模型训练预测奠定基础。接着,研究了基于图卷积神经网络的动作识别方法。分析了针对图结构数据的图卷积神经网络原理,并基于Azure Kinect传感器提供的数据构建了人体关节图,按照不同策略划分关节邻接矩阵,进而应用图卷积神经网络对协作场景动作进行识别,实现人体关节之间关联信息的高效提取和动作的准确分类。最后,在实际制造场景中验证了本文方法的有效性。使用滑动窗口法实现了高准确率的实时动作识别,并对视觉传感器采集到的深度图像进行分离轴碰撞监测,用于判断人机距离是否在安全范围内。完成了人机协作系统集成,将图卷积神经网络模型的识别结果和人体关节位姿按照规则发送给机器人执行,并进行了实验验证和应用效果分析。