传统的圆柱形覆膜锂电池圆周面破膜检测都是釆用人眼检测,人眼存在速度慢,易疲劳的弊端,很难适应高速电池生产线的检测要求。机器视觉是一项新型的工业自动化检测技术,可以与计算机相结合,能够很大程度的提高圆柱形覆膜锂电池圆周面破膜缺陷检测效率,同时节省成本。本论文针对这种要求,设计了机器视觉检测破膜缺陷的有关算法,降低了电池圆周面破膜缺陷的漏检率和误检率。主要研究内容如下:分析了圆柱形覆膜锂电池圆周面破膜的特征,根据其是否露出金属外壳将其分为露壳和褶皱两类。当机械传送装置带动电池快速转动时可能会将机械黑色油污染到电池表面,在电池图像中油污的尺寸、灰度值等特征都和露壳相似,可能被误检为露壳,需分析油污与露壳的差异进行区分。分析了造成破膜缺陷的原因,分析了影响图像灰度变化的各种因素,以及成像系统中光源对缺陷检测的影响,制定检测方案,规划了整个系统的算法流程。对锂电池图像进行预处理,研究了锂电池在图像中如何定位和校正,为适应不同颜色的电池,分析了多种自动阈值提取边界的方法,其中最大类间方差法效果最好。为校正电池偏移,在图像的旋转角度获取方法上,提出了对定位后的整个锂电池图像旋转的校正方法,该方法获取的角度准确,校正效果良好。分析了锂电池图像滤波,图像分割,形态学处理等算法,将机器视觉成像系统采集到的原始图像进行预处理,便于缺陷识别和提取。通过大量测试总结出容易漏检和容易误检的问题,为提高检测效率,本文提出4种检测方案。方案1选取模板图像与原始图像做差值图像,通过此方式突出缺陷,再通过3准则设定灰度阈值提取缺陷;方案2根据破膜位置和尺寸采用不同模板尺寸的动态阈值提取缺陷;方案3将电池均分成多个区域,使得缺陷引起所在区域内标准差明显变化,通过3准则设定灰度阈值提取缺陷;方案4使用中值滤波后的图像与原始图像做差值图像,通过此方式突出缺陷,再通过3准则设定灰度阈值提取缺陷,此外还进行了油污检测,将其与破膜缺陷进行区分,降低了误检率。通过方案论证,方案4可在不漏检的前提下达到误检率最低,弥补了光照和覆膜颜色带来的干扰,算法适应性强,具有高效率、高精度和良好的实用价值。