工业机械臂因其效率高、稳定性好、恶劣环境适应性强等优点在许多领域已经转化为生产力为社会发展做出贡献。然而传统工业机械臂也存在自主性差、兼容性低等缺点,其工作在固定参数、流程甚至是固定运动轨迹中,即使流程或工作对象发生细小改变也需要对作业系统和机械臂运动参数进行重新设定,因此工业机械臂的智能化研究是近年来的热点问题。论文主要研究融合视觉引导和力反馈的工业机械臂控制技术,利用视觉算法检测并定位目标,利用力反馈控制工业机械臂与目标物的接触,主要工作内容如下:标定固定在作业环境中的工业相机与机械臂末端的手眼关系矩阵,对相机采集的目标物图像进行图像处理获取目标物位置。对采集图像进行灰度化、滤波去噪等预处理,使用背景相减、轮廓提取和获取最小外接矩形的方法得到目标物图像坐标系下的中心点坐标,通过标定矩阵将该中心点坐标转换到机械臂基坐标系下,实现目标定位。在视觉定位的基础上,控制机械臂末端运动至目标物上方后缓慢向目标物逼近。基于机器学习的方法分析机械臂末端与不同特性物体接触过程中的力信息。通过采集机械臂末端拾取10类28种不同袋装小食品等各物体产生的力信息样本,使用该力信息样本训练LSTM网络得出力特征检测模型。利用该模型判断机械臂与物体接触过程中实时产生的力的特征,从而控制机械臂与目标的接触动作。设计融合视觉引导与力反馈的机械臂应用系统,通过搭建应用实验平台,利用软件系统控制机械臂对具体的静态物体和传送带上移动物体进行实际的拾取与装箱作业。最终该应用系统实现利用软件系统控制机械臂完成静态和传送带上随机摆放物体的拾取与装箱,验证了系统的有效性,也说明融合视觉引导与力反馈的工业机械臂相较传统工业机械臂更具灵活性,智能化程度更高。