在食品饮料行业中,食品饮料等在灌装前需要对空瓶进行缺陷检测。采用基于机器视觉技术的空瓶检测机器人检测与传统的人工检测相比,具有效率高、成本低等优点,因此其在食品饮料行业极具研究价值。本文针对基于机器视觉技术的空瓶检测机器人空瓶瓶底定位及缺陷检测算法进行研究。其中包括对瓶底图像采集方案的设计与改进,底层控制系统软件的设计与优化,瓶底图像中心定位方法以及图像缺陷识别检测方法的研究。目前,瓶底定位算法依然存在定位中心不准、时间长等难题,瓶底缺陷检测识别率也有待提高。在空瓶检测机器人的瓶底定位方法分析过程中,本文首先采用了传统的圆心定位方法,如重心法、最小二乘法、Hough变换法、三点圆拟合法等分别对瓶底圆心进行定位,分析了几种定位方法的优缺点,总结了瓶底图像定位产生误差的原因。根据瓶底防滑纹的几何特征,提出一种改进的基于防滑纹位置的多次随机圆拟合定位方法。首先对瓶底图像进行预处理,尽量消除图像中存在的噪声干扰,然后采用重心法预定位获取初始圆心,径向扫描提取真实防滑纹边缘点,并以此为圆拟合算法的输入边缘,最后采用多次随机圆拟合算法对瓶底圆心定位,确定最终圆心位置。该方法有效减少了干扰点对定位的影响,与其他几种定位方法相比,本方法在精度和速度上均取得了较好的定位结果。通过对啤酒瓶底图像的缺陷类型及特征具体研究,提出将瓶底图像分为防滑区域和中心区域两部分分区域进行缺陷检测,对于瓶底中心区域,采用改进的基于轮廓特征的最小矩中心区域缺陷检测方法;对于瓶底防滑纹区域,采用基于区域分割的防滑纹区域瓶底缺陷识别方法。并采用支持向量机结合径向基核函数对瓶底缺陷特征进行分类。最后,设计了一个空瓶检测软件系统,对本文的算法进行验证。实验表明,瓶底定位误差小于6个像素(本文实验对象尺寸为648*483像素),每瓶检测时间在100ms以内,定位精度和速度均比之前的瓶底定位算法有较大提升。缺陷检测识别准确率为92.7%,具有较高的实用价值。