摘要：通用的目標識別與定位卷積神經網絡算法難以兼顧精度和速度的要求。本文在YOLOv2卷積神經網絡的基礎上,采用多尺度訓練、網絡預訓練和k-means維度聚類等優化方法,提出了機械零件實時識別與定位的改進卷積神經網絡算法。本文以螺母和墊片2種物體為識別與定位的對象,以工業傳送帶為場景,同時考慮到了傳送帶上干擾物的存在,對改進算法的準確率和速度進行了實驗測試。實驗結果證明本文的算法相對其它常用目標檢測卷積神經網絡算法在識別準確率和速度上達到了很好的平衡,為零件實時分揀提供了基礎。