近年来,机器视觉技术发展迅速,在自动化工业生产中发挥了极其重要的作用。机器视觉识别技术是通过对图像进行数字化处理,得到可以用于识别的图像,经过不同的识别方法对图像进行识别,代替人工完成识别任务。针对差速器壳体的混线生产系统中的型号多样化问题,为此,本课题提出了基于机器视觉的差速器壳体识别技术研究,对不同型号的差速器壳体进行识别。首先,根据具体要求设计了差速器壳体视觉识别系统的总体方案,对视觉系统的主要硬件进行了设计和选型,完成了差速器壳体视觉识别硬件实验平台的搭建。其次,研究了图像处理技术,针对差速器壳体的彩色图像进行了灰度化处理、对比度增强、图像滤波、二值化和边缘检测处理等操作,分析了各种方法的基本原理和实际效果,确定了图像滤波和边缘检测的具体实现方法。再次,分析了图像特征,研究了 Hu不变矩和Zernike矩两种图像形状特征提取算法,并对Zernike矩进行了算法改进,减少了计算量,缩短了 CPU运行时间,提高了 Zernike矩的特征提取速度。最后,研究了神经网络,针对BP算法在实际应用中出现的问题,本文提出了一种组合优化方法改进BP算法。设计了神经网络模型结构并进行训练和测试实验。根据结果对比得出,Zernike矩与BP神经网络结合识别率更高。利用计算机编程开发了一套差速器壳体识别软件系统,能够快速准确的识别差速器壳体。