在“中国制造2025”和“工业4.0”的战略大背景下,CNC制造装备呈现智能化集成的发展趋势。将机器视觉检测技术集成到CNC工作循环中,实现工件在线识别,可拓展CNC机床功能,提高CNC机床工作效率,显著降低生产成本。同时,有助于提高制造装备智能化测控功能实现技术及一体化装备集成技术的水平,从整体上提升智能制造装备及应用水平。首先,面向复杂的曲轴类工件在线识别的实时性和准确性问题,提出了一种考虑全局特征的曲轴快速识别方法,该方法采用改进的Fast Delta Medial Axis(FDMA)骨架化算法和改进的Hu不变矩算法,得到了曲轴图像骨架以及骨架的全局特征,结合支持向量机实现曲轴工件的快速识别。其次,研究了考虑曲轴局部细节特征的曲轴识别方法,构建了卷积神经网络LeNet-5模型的改进模型,加入DropOut训练算法防止网络过拟合,采用ReLU函数作为网络的激活函数改善网络训练速度,通过去掉模型中C5层进一步提高网络模型训练和识别的实时性。然后,为了验证本文提出的理论方法,完成了考虑全局特征和局部细节特征的曲轴图像识别实验工作,通过实验验证了基于骨架全局特征的曲轴识别方法计算量小,识别速度快,识别率高,适用于拓扑结构相差较大的曲轴工件的识别。通过实验得到了改进的LeNet-5模型的最优参数,该模型对曲轴图像的局部细节特征识别效果良好,识别率能够达到90%,训练速度快,适用于形状结构相差不大的曲轴工件的识别。通过分级识别实验,验证了分级识别方法可以充分利用上述两个方法分别对曲轴图像全局特征和局部特征敏感的优点,当曲轴种类较多时,能够得到比单一方法更高的识别率。最后,构建了CNC曲轴在线识别系统,完成了CNC曲轴在线识别方法的工程应用,证明了本文方法在工业实际中CNC自动识别工件种类的适用性。