随着智能制造时代来临，工业机器人被普遍应用于各类自动化生产线中。与串联机器人相比，并联机器人具有结构紧凑、响应速度快、定位精度高、承载能力大等特点，因而在高刚度、高精度、高速度或无须较大工作空间的领域内得到了广泛应用。　　为提高食品行业大规模生产线中产品的装箱效率，将机器视觉与Delta机器人相结合，设计了一种线上目标自动识别与动态抓取的分拣系统。根据系统使用环境，确定了机器视觉系统各组件选型原则，为实验平台搭建提供了理论依据。　　针对分拣系统中目标识别问题，首先结合HALCON图像算法库完成了摄像机内外参数标定，建立机器人世界坐标系与摄像机坐标系之间对应关系。其次采用改进遗传算法优化Ostu图像分割方法寻求最佳阈值，提升了阈值分割效果。然后提出了基于SIFT算法的目标识别与定位方法，通过仿射变换确定目标工件形心位置。最后通过对比基于形状和灰度值的模板匹配效果，提出了形状规则工件的图像识别算法。　　在分拣控制策略方面，探讨了机器人与传送带同步跟踪控制策略，通过对控制系统二次开发实现了传送带动态追踪；定义了传送带上目标动态标记方式，并对连续图像中工件重复出现问题，给出了多个目标去重判断方法；对于机器人分拣过程中出现机械震动且节拍数较少情况，提出一种基于S型速度曲线的轨迹规划方法，通过调节加加速度值提高节拍数。　　根据分拣系统使用要求，开发了基于HALCON算法库的视觉引导软件，在系统自动运行时为机器人提供位置指引。为方便机器人调试，归纳总结了人机交互主要需求，设计了一款基于QT的HMI示教软件。　　实验表明，分拣系统能够有效识别工件的种类，较为准确地完成分拣动作，极大地提高了分拣效率，具有较高的应用价值。