目前航空货运和客运中锂电池爆炸起火的事故层出不穷,主要原因是锂电池热失控引起的。发生热失控的最主要原因在于锂电池内部结构状态发生变化,故锂电池内部结构状态的检测成为机场急需解决的重要问题。论文针对目前在航空运输安检中锂电池内部结构状态检测较少的问题,基于机器视觉技术提出两种针对18650锂电池分类识别的方法。具体包括以下研究内容:基于锂电池图像特征提出了两种算法。对显微X射线计算机断层扫描（CT）仪采集到的18650锂电池内部结构图像进行分析,然后针对不同种类的锂电池图像有不同的凝胶卷结构这一差异,设计了采用传统类算法和深度学习类算法两种算法的锂电池图像识别流程。对锂电池图像进行训练与测试。首先对图像进行预处理,分别进行灰度化、滤波、增强、裁剪与绘制处理,然后对预处理后的锂电池图像进行训练和测试。传统类算法将优选后的特征排列组合形成的特征向量送入SVM、MLP、GMM、KNN分类器中进行训练,深度学习类算法将预处理后的图像送入Alexnet、Compact、Enhanced、Resnet50网络模型中进行训练,再给定一组图像进行测试,分别选定两种算法中的最优的结果,再选定测试结果最优的算法。测试结果表明,传统类算法的识别准确率与精确率分别为79.6875%和100%,深度学习类算法识别准确率与精确率分别为99.6875%和100%,在两种算法的精确率相同的情况下,深度学习类算法的准确率比传统类算法提高了20.0521%,即深度学习类算法优于传统类算法。开发人机交互界面。为了让识别锂电池图像的功能更加直观,基于深度学习类算法的Halcon程序开发了18650型锂电池识别系统软件,通过Halcon、C#和SQL Sever的联合编程,在Visual Studio平台上设计一种能够存有识别记录的人机交互界面。对人机交互界面的功能进行测试与分析,实验证明,该人机交互界面的功能符合实际需要。