在现代工业生产中,随着生产效率的大幅度提升,传统的人工生产方式越来越不能满足现代化制造业的需求,现代化的生产方式需要一种全新的自动化技术,机器视觉技术应运而生。机器视觉应用图像识别技术代替人眼来做测量和判断,效率更高、精确度更好、客观性更强,且可以无休止的重复进行,大大提高了生产的自动化程度。本文对图像识别技术在机器视觉抓取系统中的应用进行研究,研究陶瓷基片识别和位姿获取算法实现抓取,具有一定的实际应用价值。在陶瓷基片目标识别方法研究方面,本文首先研究了基于Hu不变矩与KNN算法的目标识别方法,并基于该方法存在的不足提出了以黑色像素面积占比、质心到边缘距离均值以及质心到边缘距离方差作为特征参数的识别方法,实验结果表明,后者计算量小、运行时间快,且能更精准识别陶瓷基片的正反面。由于上述两种方法均不能对目标对象相互遮挡的情况进行准确识别,本文进一步研究了基于边缘的模板匹配识别算法,并在原有相似度量基础上提出了增加基于灰度值差值的倒数作为纠正项的改进方案。实验结果表明,改进后的算法不仅具备精准识别正反面的功能,而且成功解决了目标对象相互遮挡的情况,且适用于多种复杂遮挡情形,符合实际应用场景需求。在陶瓷基片目标位姿获取方法研究方面,本文首先对获取最小外接矩形的两种方法:矩形包络法和旋转卡壳法进行了比较,并基于这两种方法获取的最小外接矩形计算出对应的目标质心坐标和旋转角度数据。通过对这些数据的比较分析,最终验证了基于矩形包络法获取最小外接矩形,并以此获取陶瓷基片目标位姿数据的方法更适合实际应用场景。最后,将选择的目标识别算法和位姿获取方法应用在实际系统中,并与机器视觉软件Sherlock的实际应用性能进行比较,比较结果表明,本文研究的目标识别算法和目标位姿获取方法,稳定可靠、鲁棒性强,具有一定的实际应用价值。