对大批量混杂废旧半导体电子元件的有序分类,是其后续再生处理不可缺少的环节,目前国内大多采用人工分拣,效率低且精度不高。基于此,以半导体三极管为主要研究对象,本文构建了半导体元件自动分选的机器视觉硬件系统,对废旧半导体元件自动分选方法进行系统研究,并着重从图像处理和字符识别两方面展开研究,最终实现了基于机器视觉技术的半导体电子元件实时自动分选。首先,分析了系统的整体设计方案,构建了废旧半导体元器件实时自动分选的硬件系统。采用电磁振动的方式实现元器件的自动上料,对元器件的机械定位装置进行详细的设计,选取经济适用的图像采集设备及图像光学照明系统,设计了下料分选装置,实现实时在线自动分选。其次,介绍了分选系统的自动控制系统及其工作原理。重点研究了元件表面图像缺陷的处理难点,提出有效的图像预处理、图像分割、定位和字符校正、字符区域分割和识别等方法,综合运用形态学图像处理技术,结合实例说明图像处理的过程。最后,系统控制软件采用Visual C++6.0开发环境结合MVTec HALCON 8.0专业图像处理软件编程实现,并设计了友好的系统人机交互界面。利用机器视觉的处理算法来实现半导体元件的识别分类,具有很好的先进性。经测试系统技术指标达到:分选速率1-2个/秒,识别率70%以上,误识率小于2%。满足企业生产精度的要求,具有很好的实用性。