在工业生产制造过程中,零件分拣是重要一环,分拣的准确率和速度将会影响生产的质量与效率。目前,分拣工作主要依赖人工或机器人示教分拣,无法满足多种类、大批量的零件分拣要求。基于机器视觉的机械臂分拣不依赖于预编程序,而是整个过程直接交由上位机进行控制,便于根据零件或环境特征实时做出判断。针对目前机械臂分拣系统中存在目标识别率低,识别速度慢和分拣路径不确定等问题,本文提出一种基于机器视觉的零件识别与分拣系统,主要工作内容如下:（1）对分拣系统整体方案进行设计,确定手眼的位置关系和分拣流程;阐述相机成像模型和手眼标定原理,完成标定实验,得到畸变参数和转换矩阵;介绍系统开发环境,简述ROS系统下图像处理与机械臂控制工具包。（2）针对全局特征匹配识别率低和局部特征匹配耗时长的问题,提出一种基于全局特征和局部特征的Hu-SIFT零件识别方法。对图像进行预处理,并采用Hu不变矩算法计算零件的全局特征,利用相似度公式计算每个零件与模板之间的相似程度,排除形状差异较大的零件,剩余零件为候选零件。利用SIFT算子对候选零件进行局部特征的模板匹配得到目标零件。以螺栓、垫片和螺栓挡片为目标零件进行识别实验,结果表明平均查准率、查全率和处理时间分别为86.65%,93.67%和2.33s。（3）针对机械臂分拣路径无序的问题,提出一种基于遗传算法的机械臂分拣路径规划方法。对分拣机械臂的正逆运动学进行分析,并基于ROS进行机械臂的运动控制仿真。针对遗传算法对多目标路径规划存在收敛速度慢、过早收敛的问题,修改选择操作为基于适应度中值的选择方法。先进行种群初始化和适应度计算,并改变选择策略,以减少重复选择,提高选择效率;然后进行交叉和变异,并结合极值优化算法避免局部最优解,优化分拣路径。随机点路径规划的仿真实验表明,改进后算法的收敛速度明显提升。（4）搭建分拣系统实验平台,以UR5机械臂和USB相机为主要硬件,ROS系统和Python为开发环境进行视觉识别与分拣路径规划的实验。结果表明,本文设计的分拣系统能够有效识别和快速分拣零件,平均识别率为98%,平均分拣成功率为89.889%。