铝塑膜是聚合物锂离子电池的软包装材料,对锂离子电池的安全运行起着重要作用。在铝塑膜的生产过程中受设备、原材料、生产工艺等因素的影响,产品表面不可避免的出现各类缺陷,这些缺陷直接影响锂离子电池的安全性能。传统基于人工视觉的检测方法无法满足铝塑膜快速、准确和高精度的检测要求。本文根据深圳一铝塑膜生产企业实际要求,围绕铝塑膜表面缺陷检测难题,研究采用机器视觉技术对铝塑膜产品表面进行缺陷检测。本文主要研究内容如下:（1）根据企业需求设计了铝塑膜表面缺陷检测系统,确定了铝塑膜表面缺陷检测系统技术指标。为获取高质量铝塑膜表面图像,选择合适的工业相机、镜头和光源设备,针对铝塑膜产品特点完成图像采集平台的搭建,为待检产品表面缺陷检测提供设备支持,并对系统工作原理做了简要说明。（2）在铝塑膜表面细微缺陷的研究中,提出基于分水岭分割和灰度共生矩阵纹理特征提取相结合的检测方法,实现了铝塑膜表面细微缺陷的检测。该方法首先对图像进行预处理操作,突出细微缺陷的同时抑制背景噪声。使用改进的分水岭分割方法完成图像分割,以分割后图像各区域灰度共生矩阵纹理特征为依据完成缺陷的检测。实验结果表明,该方法能准确检测出实际尺寸小于0.5mm2,与图像背景灰度值之差小于10的低对比度细微缺陷,解决了铝塑膜生产企业细微缺陷的检测难题。（3）针对铝塑膜表面线状折痕缺陷的检测难题,分析了折痕缺陷的灰度变化特点。在Steger算法的基础上,使用递归高斯卷积对图像各点进行Hessian矩阵计算,减小高斯卷积的运算量。对应于图像暗背景中的亮线和亮背景中的暗线,考虑线状缺陷灰度连续变化的两个过程,通过双阈值判定法线方向二阶导数和线点连接算法提取线状结构。实验结果表明,该方法克服了复杂纹理背景的影响,能准确检测出铝塑膜表面线状折痕缺陷。（4）研究了铝塑膜表面缺陷图像的分类问题,介绍了局部二值模式和方向梯度直方图的计算方法,对支持向量机分类原理及分类器参数设置进行详细讨论。以图像LBP直方图特征和HOG特征级联的方式表征铝塑膜表面缺陷的图像特征,提出一种基于高斯核函数的支持向量机表面缺陷图像多分类方法。实验结果表明该方法平均分类准确率达到92.86%,每张图片平均分类处理时间为0.26s,满足铝塑膜表面缺陷检测系统技术指标要求。