螺丝锁付作为一种装配方式广泛应用于制造业的装配过程中,传统的螺丝锁付主要依靠人工,效率低且依赖作业人员经验,容易疲劳;现有的自动螺丝锁付装置主要是对每个螺纹孔位置进行示教,将点位记忆下来,操作繁琐,无法直接进行螺纹孔识别定位,而且装配的路径轨迹也没有进行优化,对于不同工况适应性弱,无法实现真正意义上的自动化。针对现有的螺丝锁付设备螺纹孔识别定位方面存在的问题,本文基于机器视觉和深度学习方法,实现了设备的螺纹孔识别定位以及对螺丝装配的路径轨迹进行了规划。本文的主要研究内容如下:首先根据本文研究对象的特点设计了基于机器视觉的双相机视觉检测系统,采用了高低不同的两个的工业相机分别运作。设计了视觉检测系统的总体方案,并对系统的硬件和软件部分进行了介绍。然后研究了圆检测算法,对比之后选择Hough变换圆检测算法作为工件螺纹孔初步识别定位的方法,并且在圆检测之前进行图像预处理,利用灰度化处理提高处理速度;利用局部直方图均衡化实现图像细节的增强;最后进行中值滤波去除图像噪声,提高检测精度。其次,根据实际需要,通过张正友相机标定法对两个工业相机进行标定。坐标转换后,采用蚁群算法对螺丝锁付过程中的局部图像采集和装配路径进行了规划,找到图像采集和螺丝装配的最短路径,优化路径后,位于低处的工业相机根据规划好的路径采集图像,采集到的图像作为深度学习目标检测的测试样本图像。最后,结合机器视觉和深度学习算法,构建Faster R-CNN目标检测模型检测工件螺纹孔,自建螺纹孔数据集,采用迁移学习进行目标检测模型训练并对相机采集的螺纹孔局部图像实时检测,测试目标检测模型对螺纹孔识别定位的精度。