航空发动机被认为是飞机的“心脏”。发动机叶片的主要功能是压缩空气,为飞机提供持续的动力。由于叶片工作环境恶劣,载荷复杂。因此叶片是发动机部件中需要重点检测的对象之一。发动机叶片在工作中,会产生振动及噪声。如果叶片重量不平衡,会带来更强烈的振动和更剧烈的噪声,对发动机的正常工作产生重大影响。现阶段,航空制造业采用人工方式进行航空发动机叶片称重排序的工作方式,已经很大程度上影响了效率。为了减轻操作工人的劳动强度,实现发动机工作中的叶片动态平衡,减少发动机振动及噪声,提升叶片称重排序工作效率,设计了一套航空发动机叶片称重排序系统。该系统由工业机械臂来对发动机叶片进行夹取,放置等操作,利用高精密电子秤实现对叶片重量的精准测量,工业摄像机拍摄叶片图像用于叶片编号识别,而这些硬件设备统一由上位机控制。本文首先介绍了硬件模块总体设计,接着选取了高精密电子秤、工业相机、机械臂和工业上位机等良好的硬件设备,并对硬件设备的安全性和可靠性进行设计。接着对拍摄到的发动机叶片编号图片进行了裁剪、灰度化、平滑滤波、二值化等预处理过程,并对比选取了最合适的预处理算法,对深度学习框架做了简单介绍后,又详细介绍了Alex Net卷积神经网络以及航空发动机叶片编号识别的整个训练流程,最后给出实验结果与分析。在Windows平台上选取了合适的编程环境,确立了上位机系统软件总体流程,细化了各模块程序设计,设计了设备间通信方式以及系统容错方法。最后搭建了一套模拟实验环境,进行了一系列测试,分析,得出实验结果。最终实现了航空发动机叶片称重排序系统,该系统对叶片的称重误差在0.01g范围内,基本上能完全正确识别叶片编号,能够满足航空公司基本需求。