环境污染与能源短缺促使国家和企业都开始大力发展环保高效的动力锂离子电池。极片作为动力锂离子电池的主体，其质量对电池的性能、循环寿命、容量有着很大的影响，传统的人工检测效率低下，而且易出现漏检，这些问题严重阻碍了锂离子电池的自动化生产制造，因此本文设计了基于机器视觉的检测方法来代替人工检测以提高效率，机器视觉以其无损伤、重复工作时精确度高、可适应各种复杂的检测环境、可靠性高等一系列人工检测无可比拟的优势极大的提高了极片缺陷检测的速度与精确度。　　本论文重点从机器视觉在极片检测中的解决方案来展开研究，分析了极片缺陷的生成机理与具体分类，为后续的图像处理提供了理论上的支撑;接下来设计了极片缺陷检测的机器视觉系统和动力锂离子电池极片缺陷检测设备的实现方案;根据极片缺陷的各个特征，本文设计了机器视觉系统中图像采集部分，对相机、镜头和照明系统进行了详细的分析，最终选择出了合适的采集装置;以图像采集部分为基础，对采集到的极片图像进行图像处理设计，其主要是基于图像处理软件HALCON进行设计的，对图像预处理、图像分割与特征提取进行了各个算子的对比分析，最终得出了比较优化的图像处理方案;最后本论文还提供了一种全新的极片缺陷检测设备的设计方案，其有上料部分、视觉检测部分、传输部分、升降部分和下料部分等组成，本文重点介绍了设备主要的自动化检测实现的步骤。　　利用本文设计的机械视觉系统对极片样本进行了大量的实验，确定了各个缺陷的特征参数值，并利用已得到的参数对缺陷进行检测，检测效果良好，检测成功率达到了94.3％，检测精度达到了0.06mm，为锂离子电池的产业化与自动化生产打下了理论基础。