本发明属于机器视觉技术领域，具体涉及一种基于深度学习的管件自动分拣方法。针对当前人工分拣成本高、效率低并且繁杂无味，并且使用传统方法识别度低下。本发明通过改进MaskR‑CNN算法，改进算法的识别率和掩码判断，在保证速度的同时也提高了识别率。将相机拍照的照片放入网络中，得到分类结果和掩膜。判断出管件的类别和尺寸，记录信息。通过张正友标定和眼在手外标定方式，对管件抓取点进行定位。机械臂对管件进行抓取、码放工作。本发明的管件自动分拣方法不仅效率高，对不同环境下的管件识别和抓取有着更高的鲁棒性；可广泛应用于工厂分拣，物体分类和抓取。