随着人工智能、大数据、工业互联网等技术的兴起,世界制造正朝着智能化、互联网化、自动化方向发展,我国制造业也正处于智能化转型的关键时期。我国提出“中国制造2025”,要求以智能制造为核心主导第四次工业革命,开发智能的装备和产品,使得生产制造过程中的抓取、装配、检测等关键工序能够智能化,关键岗位能够由机器人替代。机器视觉识别定位技术在智能制造中的规则工件抓取、检测等环节发挥了很大作用,而往往工业生产中会出现尺寸形状变化、摆放随机且相互遮挡的工件,这时传统机器视觉识别定位技术已无法满足要求,而新兴的深度学习技术适用于此类尺度形状变化的复杂目标检测,具有很高的研究价值和工程应用价值。本文依托于国家重点研发计划(中式菜肴智能化烹饪技术与装备研发,课题编号:2018YFD0400803),以油炸鸡腿鸡翅为例,旨在通过深度学习方法来解决类似存在尺度形状变化、表面纹理不规则、摆放随机、相互存在遮挡的复杂机器视觉目标识别与定位困难问题。从视觉平台搭建到图像采集,从图像预处理到主流算法研究,从算法改进到系统软件实现,本文对油炸鸡腿、鸡翅的识别定位技术进行了深入研究。本文完成的工作及创新点如下:(1)构建了视觉实验平台,确定了油炸鸡腿、鸡翅的检测需求,对相关硬件进行了选型与设计。完成了油炸鸡腿鸡翅VOC数据集的制作,根据需求完成了数据集数据清洗以及10倍的数据增强策略设计,为油炸鸡腿鸡翅的识别定位研究准备了充足的训练、测试数据。(2)研究了当前深度学习中流行的一阶段检测算法SSD和二阶段检测算法Faster R-CNN及相关理论,并基于这些算法进行了油炸鸡腿鸡翅的识别定位对比实验,实验结果表明,SSD模型在精度与速度的综合评估上优于另一种算法,但实际运行中仍然存在延迟、卡顿等问题。(3)对SSD油炸鸡腿鸡翅识别定位算法进行了改进,首先引入了深度可分离卷积优化了主干网络,然后进行了K-Means锚框聚类,优化了锚框设计,最后使用多级特征融合代替SSD的多个单层检测方案。实验结果表明,改进的网络结构不仅在精度上超越了原来的算法,更在速度上达到了实时检测的水平。(4)基于改进SSD算法设计实现了一种PC端识别定位系统,使用ONNX定义了模型架构并进行了优化,使用QT及OpenCV对客户端交互和模型推理模块进行了设计,最终实现了油炸鸡腿鸡翅在图像及视频中自动识别定位等功能。