电池的极片缺陷是影响电池质量的重要因素,对电池进行极片缺陷检测对于提高电池的质量具有非常重要的作用。传统的人工检测的方法不能得到令人满意的检测结果,因此研究和开发电池极片瑕疵检测系统已经成为电池企业的共识。图像的边缘携带了图像的大部分信息,它包含了图像的基本特征。边缘检测是图像处理和模式识别的重要方法,如图像分割和自动目标识别等,它是图像处理研究领域的重要课题之一。本文对基于边缘提取的电池极片瑕疵检测技术进行了研究,其主要工作包括以下几个方面:1.针对电池极片图像目标小、对比度低等特点,本文研究了SUSAN(Smallest Univalue Segment Assimilating Nucleus)算子--一种具有良好的抗噪能力,对图像的边缘、角点能够很好的识别算法。并针对该算法对脉冲噪声的敏感、参数需要手动设置的缺点,提出了一种基于中值滤波的D-SUSAN边缘检测算法。2.针对部分电池极片检测对像素精度要求高的特点,研究了Canny算子,并提出利用像素8邻域计算图像梯度,根据图像边缘梯度特征信息,用模糊最大熵值自适应确定高、低阈值的F-Canny边缘检测算法。3.针对检测出的极片边缘二值图像,利用数学形态学知识滤波去噪,提取缺陷目标的面积、周长、圆形度等特征参数,组成特征矢量来对缺陷种类进行识别,并提出了一种针对电池极片瑕疵检测的方案。4.应用Visual C++.NET语言来开发检测系统,从极片图像的读取,到边缘检测、特征提取直至缺陷判断都采用了模块化的编程方法。为了验证本文提出检测方案的可行性,本文对在工厂实际得到的含有缺陷目标的极片图像进行了检测,取得了较好的效果,证明了本文方案的可行性。