基于机器视觉的写字机器人一直以来都是教学机器人的研究重点,在传统的基于机器视觉的机器人写字研究中,只对字符图像进行图像处理,获取到图像中字符的结构坐标信息,然后机器人按照坐标信息去绘制字符的结构轮廓,机器人书写的优劣对图像预处理的结果依赖性很大。此外,倘若坐标信息比较复杂,机器人要完成书写的任务,对机器人本身的硬件配置是个很大的考验,好的硬件配置,成本也会比较高。近几年早教机器人兴起,对早教机器人的研制有了一些成果,但与工业机器人尚有很大的差距。本文以探索能够为儿童示范如何书写数字,进而教其学会书写数字旳早教机器人为目的,深入研究基于机器视觉旳机械臂数字书写技术。为了解决传统的基于视觉的机械臂写字技术对图像预处理结果过分依赖以及对书写数字的机械臂硬件配置要求高等问题,本文通过模式识别技术对采集到的字符图像进行识别,然后将识别结果发送给机械臂控制器,机械臂在控制器的控制下完成对数字字符的书写。这使得机械臂书写的数字字符只依赖于控制器上的写字程序,对图像处理结果的依赖大大降低,同时也降低了对机器人硬件的要求,从而使用价格低廉的机械臂也能完成写字任务。本文首先使用BP神经网络分类器对手写体数字进行识别,并从激活函数、代价函数、使用正则化方法消除过拟合以及优化权重初始化方法等几方面对传统BP神经网络算法进行优化,以获取更高的识别率以及更为可靠的识别结果,保证发送给机械臂控制器的结果尽可能准确。其次,使用Arduino控制器驱动机械臂对数字字符进行书写。在机械臂书写数字时,采用微积分思想,对需要绘制的轨迹先进行微分再进行积分,通过计算获取“微分”线段两端点的坐标,再通过计算获取支配摆臂的两个舵机的转角,具体由Arduino控制器控制舵机进行转动,完成“微分”线段的绘制。将所有的微分线段绘制出来就是整个数字的轨迹。最后通过实验进行验证,改进后的BP神经网络分类器识别准确率与传统BP神经网络算法相比有明显提高,将识别结果传送给Arduino控制器后,机械臂书写的相应数字字符效果良好。