随着科学技术的发展，生产方式发生了深刻的变化，对生产自动化的科技含量提出了新的要求，传统的生产自动化模式面临极大挑战，研究适应自动化生产领域中的装配机器人识别技术已成为当前重要的课题之一。本文针对自动化生产线上装配机器人对机械零件的形状快速、精确地识别问题进行研究，叙述了模式识别和形状识别国内外的研究现状，对形状识别的软、硬件系统进行了研究，对摄取的机械零件图像进行处理，提取了零件图像轮廓。提出了一些新的理论与方法，并通过试验进行验证，取得以下成果： (1)证明了图像的Zemike矩和Fourier-Mellin矩具有平移、旋转、缩放不变性，通过比较Zemike矩和Fourier-Mellin矩的优缺点，采用Fouriei-Mellin矩提取零件图像的特征。 (2)对ART神经网络进行了详细论述，通过对模糊ARTMAP网络结构和算法进行简化，提出了SFAM神经网络，分类测试发现同一模式不同的向量顺序，SFAM网络分类结果不同。为避免分类失误，构造了多个SFAM网络的组合分类器。 (3)针对经典Bayes决策理论限制条件严格，提出了扩展的Bayes决策法，使得Bayes决策理论更接近实际情况。通过试验验证了对多个SFAM网络分类器分类的结果采用扩展的Bayes表决法，克服了单个SFAM网络分类器对输入样本顺序敏感的缺点，提高了分类精度。 (4)试验结果表明，机械零件形状识别的精度与SFAM网络的数量有关，随着SFAM网络分类器数量的增加，分类精度呈直线上升，当SFAM网络数量超过5时，分类精度高达100％。单个SFAM网络分类器分类速度最快，多个SFAM网络分类器加Bayes表决法其次，ART2网络分类器分类速度最慢，实时性较差。