工件识别是利用计算机视觉技术,对生产线上的目标工件进行智能分类,以便工业机器人高效准确地完成工件的自动化分拣、装配、搬运、加工等,以降低生产成本,提高工业生产效率。将工件识别问题抽象化,可转化为简图识别问题。简图是一类特殊的图像,具有最稀疏的图像形式,它在人机交互系统、儿童教育、公安办案等许多领域都有重要应用。以往都是将简图作为常规图像进行识别,这能在一定程度上完成分类,但分类效果往往不能满足实际应用的要求。本文针对工件识别和简图识别技术进行了较深入研究,主要工作如下:(1)结合工业生产流水线上的工件分拣与安装应用场景,采用图像处理技术,研究开发了一套传送带上工件检测与识别系统。在该系统中,针对应用需求,开发了图像预处理、分割定位、特征提取和模式分类算法;在此基础上,充分考虑光照等环境因素对识别性能的影响,开发相应的图像预处理算法,使得工件识别系统能够有效地分割工件、提取工件轮廓信息。本文搭建了工件识别实验测试平台,开发了工件识别软件系统,取得了良好的识别效果,同时可满足实际应用中的实时性要求。(2)针对简图应用,提出了基于深度学习的简图识别方法。该方法首先考虑了简图独有的特征,如稀疏性,颜色特征等;然后根据其图像特点,简化和构建了基于卷积神经网络的深度学习系统,并用TU-Berblin简图数据集进行了测试实验。实验结果表明,该方法具有良好的分类性能。