锂离子电池作为新一代环保能源,愈渐增大的产量需求对其生产的自动化程度和产品的安全性能提出了更高的要求。电池在生产过程中,由于封装不良、化成流程异常等原因,可能出现气胀现象,导致电池性能急剧下降,并存在一定的安全隐患,这部分气胀的锂电池必须在出厂之前挑选出来重新处理。目前,锂电池的气胀分选采用的是人工检测的方法,依赖于作业工人的感觉和经验判断,存在着效率低、检测结果易受主观因素影响等缺点。为解决这一问题,本文借鉴表面缺陷检测技术,以方形锂电池为研究对象,提出一种基于机器视觉的气胀检测方法,主要工作如下:第一、通过对锂电池气胀原因和表现特征的分析和调研,抓住特定角度光源下气胀电池与合格电池呈现出不同的反射光斑分布这一差异,设计了一套完整的电池特征提取方案。首先对电池图像进行ROI区域标定;然后分割电池图像反射光斑并采用形态学对其去噪与平滑;最后提取光斑区域几何特征作为分类器的输入。第二、为解决电池图像反射光斑区域容易湮没在银色电池表面而无法准确分割的问题,对经典双峰直方图阈值法进行改进。过滤阴影区域产生的直方图山峰,将分割门限重定位在反射光斑与银色表面之间。实验结果显示,改进后的直方图分割法更适用于本检测系统,所得分割效果更接近真实图像。第三、考虑到电池样本的有限性,文章充分发挥支持向量机在解决小样本分类的良好泛化能力,基于C-SVM理论建立气胀检测分类模型,并提出一种简化区分矩阵的覆盖粗糙集属性约简方法对电池特征进行优选。实验结果表明,该方法可达到90.1%的识别精度。最后在上述算法的基础上,给出锂电池气胀检测系统的设计原型和检测实施方法,并借助OpenCV视觉库在VS2010平台上开发系统软件。基于机器视觉的锂电池气胀检测方法具有较高的可靠性,为锂电池气胀无损化检测提供了一种有效可行的方案。