在机械零件的加工和制造过程中不可避免地会产生毛刺,毛刺的存在对零件的外观质量、加工精度、装配精度和再加工定位等许多方面都会产生不良影响。传统的手工去毛刺方法因加工成本高、加工效率低,已不能满足实际生产的需求。与数控机床和加工中心等加工设备相比,工业机器人非常适用于去毛刺这类加工轨迹复杂自动化作业。但是我国的机器人去毛刺产业处于起步阶段,机器人去毛刺的加工效率还比较低。因此,面对材料多样和形状复杂的工件,研究如何高效率地利用工业机器人去除毛刺势在必行。利用工业机器人进行去毛刺作业时,应从以下两方面提高去毛刺的加工效率:其一,通过优化去毛刺的加工工艺参数,提高机器人在去除毛刺时的加工效率和加工质量;其二,通过合理地规划去毛刺的加工路径,提高机器人在毛刺间运动的效率。本文根据这一思路提出了基于机器视觉的工业机器人去毛刺加工效率优化方法。首先,阐述了论文的研究背景与意义,综述了工业机器人去毛刺、加工工艺参数优化方法、去毛刺路径规划和基于机器视觉的工业机器人研究与应用这四部分国内外研究现状,提出了论文主要研究内容和框架。其次,研究了毛刺的特征,对去毛刺切削力信息进行分析,确定了工业机器人去毛刺的优化变量、目标函数和约束条件,建立了工业机器人去毛刺加工工艺参数优化的数学模型,用统一目标法将多目标优化问题转化为单目标优化间题,利用惩罚函数法将含约束优化问题转化为无约束优化问题,进而利用连续域蚁群算法对加工工艺参数优化数学模型进行求解。再次,针对工件毛刺形状复杂多样,信息提取难的特点,提出了基于机器视觉的毛刺信息提取方法。CCD相机拍摄的图像经过滤波、阈值分割、边缘检测等技术处理后,得到毛刺在图像中的位置信息,之后根据系统标定理论,提取出工件毛刺的实际物理信息。在获取毛刺信息之后,将去毛刺路径规划问题转化为TSP问题,然后利用蚁群算法进行求解,得出了基于机器视觉和蚁群算法的机器人去毛刺全局路径规划方法。最后,搭建了基于机器视觉的工业机器人去毛刺实验平台。针对电机转子外壳压铸件,设计了工业机器人去毛刺加工效率优化实验,分别对优化后的去毛刺工艺参数和路径与传统的工艺参数和路径进行了对比,验证了本文提出的基于蚁群算法和机器视觉的机器人去毛刺加工效率优化方法的实用性和可行性。