棉纺筒纱的种类分类在织造、染整等过程具有重要作用,在生产过程中普遍根据纱管顶部的颜色及标志物区分棉纺筒纱种类。实际生产中,作业环境光线暗,棉纺筒纱种类繁多,纱管顶部颜色相近,并且标志物的面积有限。目前,主要依靠人工进行分拣,作业强度大、长时间识别后较易出现错误。不同种类的筒纱混淆在一起,会生产出残次布匹,从而造成企业的经济损失。因此,开展棉纺筒纱识别方法研究对于提高棉纺筒纱种类识别效率、控制筒纱分拣质量具有重要意义。本文以棉纺筒纱为研究对象,针对纱管顶部的颜色和标志物,提出图像检测算法,搭建分拣控制部分,最终形成一套完整的棉纺筒纱自动分拣系统,主要研究内容及相关结论如下:（1）设计并搭建图像采集与处理系统由遮光箱、光源、光电传感器、工业相机搭建出图像采集装置。以棉纺筒纱纱管上图案的颜色和标志物为依据,基于深度学习构建了Faster R-CNN+Res Net50棉纺筒纱种类识别模型。自主建立了棉纺筒纱图像数据集,并完成对种类识别模型的训练。（2）设计并搭建棉纺筒纱输送与分拣控制系统以STC12C5A60S2微控制器为处理核心,完成棉纺筒纱输送装置、气动分拣装置、显示装置的硬件设计。以KeilμVision4和DGUSV 5.08为软件平台,设计了主程序、分拣控制程序、终端显示程序,形成了整个控制系统的总程序。以种类识别模型对棉纺筒纱的识别结果和三个光电传感器的通断信号为判断依据,对棉纺筒纱输送电机、纱管采集相机、分选气动气缸等部件执行系统控制策略。最终,实现棉纺筒纱输送、棉纺筒纱种类检测识别、棉纺筒纱分拣作业功能。（3）进行了棉纺筒纱自动分拣系统性能试验本文以新疆仁和纺织科技有限公司生产的黑斜纹纱管、黑叉纹纱管、全黑纱管、玫红纱管、绿斜纹纱管5类棉纺筒纱为试验材料。以平均精准度的均值和检测速度为指标,对种类识别模型进行评估;以平均分拣准确率和分拣效率为指标,进行分拣性能试验。通过试验数据分析可得,种类识别模型平均精准度的均值为99.95%,检测速度为每秒钟4.79幅图像;分拣系统平均分拣准确率最低为99.53%,分拣效率为14个每分钟,即每小时可分拣70包（12个筒纱为一包）,满足目前企业30包每小时的人工分拣速度,表明该棉纺筒纱自动分拣系统具有良好的可行性。