目前工业领域中对刚性构件和柔软物体都有特定的机器人抓取系统,且发展逐渐成熟,但是缺乏对微小零件的精准抓取系统,传统刚性机械手结构冗杂,柔性不足,在抓取微小零部件时过于笨重且适应性差,软体机械手虽然具有较好自适应性,但刚度低,控制精度低;在视觉检测方面,传统的机器视觉技术在实际应用的过程中受工作环境制约性强、算法通用性低、难以迁移且鲁棒性较差。本文以三种不同型号的小型螺母作为检测和抓取对象,对微小零件的抓取系统进行研究,设计了一套基于视觉引导的精准柔性抓取系统,主要研究内容为:首先,根据微小零件抓取系统的工作需求,确定了基于视觉引导的机器人抓取系统整体方案,采用分解式思路和模块化设计方法,设计了抓取实验平台方案,机器人末端抓取机构方案和微小零件检测方案。其次,针对微小零件抓取问题,分析了抓取对象几何形状和零件尺寸对抓取的影响,设计了一种基于折纸原理的机器人柔性末端抓取机构,通过梁弯曲变形和梁约束模型对末端柔性抓取机构进行建模和理论分析,并通过ANSYS软件对手指进行有限元仿真分析。然后,针对微小零件的检测和识别问题,本文在YOLOv4目标检测网络框架下,改进设计了针对微小零件的目标检测网络,包括:使用Efficient Netv2-s卷积神经网络替换CSPDarknet53卷积神经网络作为主干特征提取网络;在检测颈网络层中采用深度可分离卷积替代标准卷积,减少网络参数量;使用Soft-NMS算法优化预测框筛选。针对数据集样本数量少的问题,使用迁移学习方法进行训练。最后对抓取系统进行硬件选型,搭建了基于视觉引导的精准柔性抓取系统实验平台,进行了实际的抓取实验,并取得了良好的实验效果。