为了防止艾滋病等传染性疾病的传播，一次性注射器发挥着重要的作用。然而，一次性注射器在生产过程中会产生约万分之一的次品针头，如何去除这些次品针头是针头检测一个重要的研究方向。本文针对注射器针头的合格性检测问题，提出了基于BP神经网络的针头合格性检测方案。主要内容如下：（1）为了采集质量较高的一次性注射器针头图像，搭建了针头检测硬件环境。（2）研究了针头图像预处理的方法。为了得到清晰的针尖轮廓图像，设计了一套有效的预处理流程，主要包括图像滤波、图像分割、伪目标去除、针头轮廓提取、图像矫正以及针尖提取等。（3）研究了针头特征提取的方法。在分析了合格针头、弯钩针头和倒装针头各自特征的基础上，选取图像边界区域不变矩的低阶矩Φ1、Φ2、Φ3以及针尖左右边缘最大曲率Kmaxl和Kmaxr作为针尖最主要的五个特征参数，并分别给出了五个参数的计算方法。（4）研究了BP神经网络检测的方法。首先简单介绍了BP神经网络的基本原理；其次针对一次性针头的合格性检测设计了三层BP神经网络；第三用样本数据对设计好的BP网络进行训练，为使BP神经网络具有较强的适应能力，本文利用多组不同状态的针头对其进行了训练。（5）为了多方面验证所提检测方案的有效性，本文设计了四组针头合格性检测实验：合格针头检测实验、倒装针头检测实验、弯钩针头检测实验和混合针头检测实验。前三个实验针对三种针头分别做检测实验，以验证所提方案对单一类型针头检测的有效性；混合针头检测实验的实验对象为三种混杂的针头，以验证所提方案对不同类型的针头混合时仍具有有效性。检测实验结果表明：倒装与弯钩针头的检测率为100%，保证了产品的绝对安全；并且，合格针头的检测率达到了98%以上，可用于实际生产中。实验结果验证了图像预处理方案以及所设计的BP神经网络的有效性和优越性，此方法检测准确率高，可在实际生产中应用。