王化明，刘茂兴，熊峻峰，于金龙

(南京航空航天大学 机电学院，江苏 南京 210016)

目前，生产线上的牙刷分拣主要由人工完成，存在效率低下、成本较高等缺点.现有自动化设备可实现牙刷的有序上料，但是设备占地体积大，工作过程复杂，且不能针对所有的牙刷工序.机器视觉已经广泛应用于目标的视觉定位，通过视觉检测出牙刷的位置并识别出牙刷的姿态，将位置和姿态信息传输给机器人，实现牙刷的操作，可以达到提高效率、降低成本的目的.然而由于牙刷种类非常多，形状不规则，在输送带上通常呈现4种姿态，根据不同的刷头朝向，将牙刷的姿态分为：向上、向下、向左、向右，如图1所示.传统图像处理方法对牙刷姿态识别的准确率还较低，需要根据牙刷种类手动调节相关参数，操作者也要具有较强的专业知识，难以满足工业生产的实际需求.目前，深度学习方法已经用于目标的分类、检测等领域[1-2]，对多种类目标、图像形变及局部遮挡等因素的适应性更强，因此文中在确定牙刷位置的基础上研究基于深度学习的牙刷姿态识别方法，提高牙刷分拣准确率，降低使用难度，以满足工业自动化生产需求.

图1 牙刷姿态图

1 图像采集系统

图像采集系统设计如图2所示.该系统主要由传送带、光源和工业相机组成.光源及照明方式影响所采集的图像质量，图像应满足：① 清晰度高，牙刷轮廓清晰，位置和姿态信息明确；② 对比度高，牙刷与传送带的边……