随着人工智能技术的飞速发展,工业生产与日常活中的机器人数量不断增加,应用场景越来越复杂,对机器人完成任务时的精度性、灵活性与稳定性提出了更高的要求。传统在线智能分拣系统越来越向智能化发展,分拣系统的智能化则主要体现在视觉模块对分拣装置的控制,传统单目、双目视觉无法给机械臂分拣系统提供很好的视觉参数,而且传统分拣系统采用识别算法大多数为基础图像处理操作,精确度还不是很高。因此,本文以提高在线智能分拣系统的精确性以及智能化为目标,研究并设计了基于3D视觉在线智能分拣系统,实现对特定种类水果进行精确抓取,提高了水果识别的速度与准确度。本文针对3D视觉技术与结合机械臂的在线分拣系统的研究现状进行调研,并结合深度学习技术进行本课题的研究。通过对系统功能需求的分析,给出了基于3D视觉在线智能分拣系统的总体方案设计;详细阐述了硬件选型方案,本系统主控制器选用NVIDIA Jetson TX2开发板,视觉模块选用微软公司生产的Kinect2.0摄像头,机械臂选用四轴机械臂,机械臂末端夹具选用机械灵巧手;详细阐述了在线分拣系统中视觉模块数据获取原理与过程,并研究了常用相机标定算法,设计了相机标定实验方案,得出相机内参数、外参数;重点研究了KNN、支持向量机、Faster RCNN、以及Inception＿v3模型以及Yolo＿v3模型等图像分类识别算法原理,并详细阐述了Yolo＿v3模型训练过程,最后对各模型实验结果进行对比分析;设计了包含摄像头数据采集及水果分类识别结果的显示、坐标转换结果以及末端夹具位姿显示的上位机操作软件。最后对在线智能分拣系统进行了各部分功能测试与总体联调。测试结果表明,在线智能分拣系统的硬件稳定运行,各部分之间数据传输准确,水果识别结果准确,能够实现对特定水果进行定位抓取。