国家发展纲要《中国制造2025》中指出要组织研发智能化生产线,提高智能制造的工程化和产业化。实现生产线的智能化能进一步提升我国的工业制造能力。在汽车门板智能超声波焊接生产线的研制上,汽车门板焊点的识别是焊接生产的基础,只有准确识别出焊点的位置,多目标的最优路径规划和多机器人的协同控制才能进行。在汽车门板中,焊点的尺寸小,数量和种类多,而且存在大量与焊点相似的干扰项,需要对全部焊点进行精准识别与分类,防止误识别的现象发生。传统基于机器视觉技术的方法对焊点的识别容易出现误识别现象,检测效率低下,需要数秒时间处理,一旦生产线运行速度提升,其识别效果会变得很差;而且该方法不能对焊点进行分类,一旦汽车门板型号发生改变,就需要进行重新调整。因此,针对上述问题,亟需要寻找一种高效可行的焊点识别方法。卷积神经网络可以自动提取物体的深度特征,实现复杂场景下物体的准确识别和分类,不容易出现误识别的情况。同时,其检测效率很高,一般只需毫秒级时间。卷积神经网络的特点与汽车门板焊点的识别任务要求相匹配,因而将卷积神经网络技术运用在焊点的识别上无疑是一种可行的办法。本文对焊点识别任务的特点进行深入分析,提出了基于YOLO(You Only Look Once)的焊点识别方法,主要研究内容下:1)利用改进的YOLOv3算法对焊点进行识别。首先对YOLO算法的原理进行分析,然后在YOLOv3算法的基础上,根据焊点的特点,对其网络结构和损失函数两方面进行适当的改进,最后利用改进的YOLOv3网络实现了汽车门板焊点的实时准确识别。2)利用双目立体视觉理论,在识别汽车门板焊点的基础上实现焊点的三维定位。首先对双目系统的标定理论进行了研究并进行了标定实验。然后结合焊点的识别信息,使用半全局立体匹配技术实现焊点在左右图像的匹配。3)利用视差法对焊点进行定位,得到了焊点的三维坐标。实验结果表明,基于YOLO算法和双目立体视觉技术,可以有效的实现汽车门板焊点的识别和三维定位。