机器视觉是数字图像处理技术在工业中重要的应用技术之一,也是人工智能领域的重要技术基础,机器视觉的最终目的是代替人类视觉更加高效、准确地完成工业工作任务,实现工业自动化和减轻工作人员的劳动量。在新的时代背景下,工业现场对自动化要求越来越高,工业机器人对目标的检测和识别成为了工业4.0先进制造领域研究的热点和难点之一,其关键技术包括:1)在运动背景下,获取待抓取工件的初始位置,提取跟踪工件对象的特征,将目标从复杂的运动背景中分离出来,获取运动目标实时位置;2)对跟踪得到的目标进行分类识别,实现运动背景工件目标的语义分割。本文以研究运动背景下工业机器人目标检测和识别方法为研究对象,目的是寻找一种适用于运动背景下的工业机器人视觉检测算法,实现待抓取工件可靠视觉跟踪定位和语义识别。本文主要工作如下:1.建立了适用于工业机器人平台视觉检测和识别任务,常见5种机械工具和零件的图像数据库。5种常见的机械工具和零件分别是:轴承、起子、齿轮、钳子、扳手,数据库主要包括单幅图像单目标单类别和单幅图像多目标多类别两种类型的图像,图像背景分类简单背景和复杂背景,数据库的建立为后续的检测识别奠定了基础。2.针对传统机器视觉检测方法需要对第一帧图像中目标的初始位置人工赋值的缺点,采用一种基于背景差分法自动获取第一帧图像中目标初始位置的目标检测方法,将检测目标初始位置的方法与时空上下文目标跟踪方法结合,实现了工业机器人对传送带上运动工件目标的可靠跟踪。3.将深度学习方法应用于对工业机器人传送带运动背景下机械工具和零件目标的分类识别,通过1939张待检测工件目标图像训练全卷积神经网络模型,实现了对图像中单类运动背景工件目标基于语义的识别分类。