目前,生产线上大量使用的工业机器人仅能进行重复动作,本质上属于示教型机械臂,不具备自主感知和决策能力,不能适应散乱、无序零件抓取和分拣工作。将现有工业机器人和机器视觉技术相结合可以解决以上问题,能够使得分拣机器人具有更高自主性与灵活性。本文系统研究了基于深度学习算法的平面态散乱小零件分拣所需的目标检测算法、细长类零件深度估计与姿态角回归算法以及龙门式三轴机械臂搭建与控制方法。在算法方面,本文完成了算法设计、训练、部署以及测试评价等开发任务,实现了平面态散乱小零件的类型识别、位置回归、深度估计以及姿态角回归等功能。在抓取执行机构设计实现方面,本文完成了三轴龙门式机械臂硬件搭建和控制系统设计,实现了机械臂手眼标定和运动控制。本文主要研究内容如下:（1）基于感知哈希算法的目标零件存在判定算法设计:通过感知哈希算法计算两张图片相似度系数,进而判断工作台中是否有待分拣零件。（2）基于SSD的目标检测算法优化设计:以SSD算法为主干,将其根据小零件分拣的特定应用场景引入算法检测头精简、内卷积运算子、特征金字塔等技巧提高该目标检测算法对本数据集的适用性,实现降参增效目的。（3）细长类零件深度估计算法设计:根据不同深度所对应不同姿态在工业相机中成像具有极大差异的特点,设计基于深度卷积神经网络的图像分类算法,实现对该类零件不同姿态的识别来达到对细长类零件深度估计的目的。（4）细长类零件姿态角回归算法设计:设计并实现基于传统图像处理算法的细长类零件姿态角回归算法,达到对细长类零件在工作台上姿态角检测的目的。（5）机械臂搭建与手眼标定:搭建基于步进滑台的三轴龙门式机械臂,并采用九点标定方法实现工业相机与机械臂的标定,得到像素坐标到工作台平面之间坐标变换矩阵。