随着用户对扣式电池的质量要求越来越高。因此，在生产过程中不仅对电池性能进行检测，还需要检测电池表面的缺陷，同时采用自动化方式装盘。目前很多的电池生产企业大多采用人工目测法，这样使得检测效率低，增加了劳动强度，已经很难满足现代工业制造的要求。　　机器视觉技术具有高精度、高效率、可靠性强等优点，具有广阔的应用前景。本课题根据某扣式电池生产线的实际情况，开发了一套扣式电池表面缺陷在线检测和分拣包装系统。系统采用OMRON公司的NJ控制器，在线采集生产线上的扣式电池表面图像，由FH视觉处理器分步骤执行图像预处理、模板匹配等流程，判断扣式电池的表面是否存在缺陷和给出位置坐标，由NJ控制器发出指令控制Delta机器人在指定区域拾取合格电池并进行装盘工作。　　本文首先从扣式电池表面缺陷在线检测系统的总体结构设计开始，详细说明该系统的软硬件的选型及相关设计。然后以采集到的扣式电池表面图像为对象，系统地分析正极表面图像缺陷检测的方法和过程。根据电池表面缺陷的特征，本文采用模板匹配法对扣式电池表面进行检测。这样不仅保证了检测效率也提高了检测精度。最后通过NJ控制器发出指令给Delta机器人，对合格的产品进行抓取并装盘，保证了扣式电池的包装效率。本系统通过实验验证，基本满足设计要求，如果将本系统应用到工业电池生产线上，将会有很好的市场前景和应用价值。