本文紧密结合电子、医药、加工制造业以及食品加工等领域的生产流水线上高速自动化轻载搬运作业的需求,以Delta并联机器人为研究对象,以汽车制造领域的镀锌冲压件为具体抓取对象,该冲压件是一种重要的配件,广泛应用在各种工业领域,生产过程中不可避免的会产生表面瑕疵。为完成生产线上利用机器人对瑕疵工件的分类及分拣任务,研究了基于智能视觉的并联机器人控制技术、机器人-视觉系统和传送带的标定技术以及工件的分类和定位算法。开发了一套适用于并联机器人分拣且满足实际工业生产需求的视觉系统。首先针对实际工程应用的背景及需求,构建了基于单目摄像机的Eye-to-Hand机器人手眼安装方式的视觉系统模型,并根椐本研究对象的实际工程环境搭建了视觉系统硬件平台。基于搭建的平台,先对视觉系统进行标定,选择了一种适合本系统的摄像机标定方法,根据图像平面像素坐标和模板平面空间坐标之间的关系构造单应矩阵以及内参数约束方程,并建立了畸变误差模型,对误差进行了修正,完成了摄像机的标定。而后对整个系统进行坐标系的统一标定,采用特制的金属标定板,用接触式的方式对机器人、视觉系统及生产线传送带进行了标定,从而完成了整个系统的标定任务。针对具有表面瑕疵的冲压件,采集了大量的各类瑕疵工件图像,建立目标数据集。利用目标数据集对构建的FCN网络模型进行训练,实现了对工件表面瑕疵的分割。针对分割结果图像,采用设定阈值的方式对网络输出的分割图像进行判别,完成工件分类任务,准确率达96.6%。并利用形心坐标提取、边缘提取及连通域分析等图像处理算法,实现了对工件的中心及转角的计算。实验结果表明,整个算法对工件分类具有很高的准确性,为后续机器人的分拣工作打下基础。最终,对本文搭建的实验平台、标定方法以及视觉检测算法进行系统性验证,完成了对生产线传送带上散乱工件的分类和分拣任务,证明了整个系统设计的可行性。