随着机器视觉技术的发展和我国制造业水平的需要,研究基于机器视觉的工业机器人日益成为实现我国制造业智能化、现代化的重要途径。相对于国外而言,我国机器视觉技术发展较晚,应用水平也有限,真正将机器视觉技术结合机器人进行工业应用还有很长的一段路要走。在传统分拣流水线上,大多采用人工分拣的方式,分拣效率和准确率无法得到保证,针对一些复杂工件,人力测量和识别的过程过于繁琐,不利于我国制造业自动化水平的提升。机器视觉技术作为一种新兴检测手段,具有非接触、高效率、柔性高等各方面优势。本文将机器视觉技术应用于工业高速并联机器人Delta机器人中,开发基于机器视觉的Delta机器人视觉分拣系统,提升制造业分拣流水线的分拣效率和分拣能力。在Delta机器人视觉分拣系统研发中,本文以实际应用为导向,研究稳定、简便、高效的系统为目标。针对机器视觉技术在工业上应用中的关键问题进行探索,对整机系统集成关键性技术研究,完成以下工作:（1）研究相机的畸变和标定;针对图像预处理、边缘检测、模板匹配等相关技术进行视觉算法选型和深入研究。（2）在复杂工件的分类上,本文深度研究了 BP神经网络算法,并将BP神经网络模型应用于Delta机器人分拣系统中,提升本系统分拣能力。（3）在系统集成过程中,本文从高效和应用性考虑,开发了一种基于平移坐标系的手眼标定算法、研究斜度下降的方式提出动态补偿算法、基于传送带简化模型预测工件位置的去重复算法。采用深圳软赢科技有限公司运动仿真系统构建系统模型,进行系统运动仿真和实测,确定其可行性,完成系统集成。