随着机器视觉技术与机器人技术的不断进步,机器人逐渐拥有复现部分人工作业的能力。在珍珠分选过程中,珍珠形状分级主要依靠人工来进行,然而人工只能同时对一颗珍珠进行等级判定与分选,大量分选带来的疲劳作业会导致分选准确度和效率的降低。针对此问题,本文提出基于机器视觉的珍珠形状分选系统,通过工业相机获取随机摆放的多颗珍珠图片,利用计算机对珍珠进行形状分级与定位,并引导机器人完成对珍珠的分选。本文主要研究内容如下:（1）在分析珍珠轮廓特征,珍珠表面光学特性,珍珠分选过程的基础上,设计基于机器视觉的珍珠形状分选系统,对工业相机、镜头、光源、照明方式等系统硬件进行选型。（2）针对工业相机直接获取的珍珠图像轮廓不清且受噪声干扰的问题,使用图像增强技术提高珍珠边缘轮廓与背景的对比度,采用图像滤波算法改善图片质量。对部分珍珠相互接触的问题进行分析,使用形态学法处理滤波后的珍珠图像,优化珍珠区域,对传统的分水岭方法进行改良,实现对不同接触度的珍珠的快速准确分割,并对珍珠图像进行边缘检测。根据珍珠形状特征,建立珍珠形状参数模型,计算珍珠质心坐标,提出多个适用于形状分级的形状特征参数。（3）本文将分选机器人本体简化为相连的连杆机构,使用D-H法建立坐标系及运动学方程。使用Matlab机器人工具箱进行正运动与逆运动的运动学分析,并建立Dobot机器人模型,实现了分选机器人的仿真和轨迹规划,分析了分选机器人各关节位置、速度以及加速度等参数,证实了模型的可靠性。（4）本文在硬件选型的基础上搭建了基于视觉的珍珠分选机器人实验平台,并完成视觉系统的手眼标定。对存在相互接触的珍珠进行识别、分割、定位、形状参数的计算与形状分级,并对不同形状等级的珍珠进行分选。实验结果表明,本文方法对相互接触珍珠的分割准确度较高,综合多个形状参数为依据对珍珠的形状分级效果较好,珍珠质心的定位与分选准确度较高,符合系统的设计要求。图101幅,表13个,参考文献72篇。