目前,牙刷在生产线上的质量检测与定位分拣主要依靠人工或者复杂的机械结构完成,存在效率低下、成本较高等缺点。研究基于机器视觉的牙刷检测与定位方法替代传统的解决方案,对于提高牙刷制造装备的自动化及智能化水平具有重要意义。分析了牙刷在植毛工序后常见的质量缺陷及检测需求,对于刷毛漏植缺陷,基于局部阈值法提取目标区域,通过Blob分析筛选得到缺陷区域;对于刷毛毛刺缺陷,采用灰度投影法获得图像感兴趣区域,再由Sobel边缘检测得到目标区域,利用区域面积等特征作为缺陷判别依据。实验结果证明两种缺陷检测算法的有效性。分析了生产线上牙刷定位分拣的需求,构建视觉定位实验平台。通过相机标定、视觉系统与传送带系统间的位置标定,建立了图像坐标系与传送带坐标系间的坐标转换关系。研究传送带背景下的牙刷图像分割方法,采用漫水填充法对二值图像中的孔洞区域进行填充。利用牙刷的形状特征,提出一种基于区域外接矩形与扫描线的牙刷位置及方向计算方法,实验结果表明牙刷在传送带平面的位置定位误差小于0.6mm,方向角定位误差小于0.2?。研究利用支持向量机对牙刷姿态进行识别分类的方法,建立牙刷产品特征库,可根据不同牙刷品种的特点选择合适的特征组合作为支持向量机的输入特征向量,实验结果证明该方法对大多数牙刷品种的姿态分类能达到95%以上的准确率。在实现上述算法的基础上,在Qt Creator开发环境下,结合Qt与OpenCV函数库,采用C++语言开发了牙刷检测与定位软件。软件采用模块化设计原则,方便软件的调试与维护。