近年来随着便捷式电子设备行业的蓬勃发展以及新能源技术与新能源汽车行业的兴起,对锂电池的需求大幅度增加。锂电池电极片作为锂电池最为核心的部件,其表面如果存在缺陷,则会给锂电池的性能和使用寿命带来不同程度的影响,更有甚者,会带来安全隐患,所以在锂电池实际工业生产过程中对电极片表面进行缺陷检测是十分必要的。而传统的人工检测方法费时费力,检测效率低,而且还极容易出现缺陷漏检与误检的情况,因此本文对电极片表面缺陷检测算法进行了研究,提出了一种基于机器视觉的锂电池电极片表面缺陷自动在线检测方案以替代人工检测。本文提出的缺陷检测方案主要由硬件平台和软件算法两大部分组成。其中硬件平台部分主要是对由图像采集系统、电极片传送系统和控制系统三部分组成的硬件平台的设计与搭建以及图像采集系统中相应设备的选型。而软件算法部分主要由图像预处理、缺陷检测和缺陷分类三部分组成。（1）图像预处理部分首先对采集的电极片表面原始图像进行ROI区域提取,提取出图像中实际电极片区域即ROI区域;然后对提取出的ROI区域进行预处理,提出了一种背景标准化算法来抑制提取出的ROI区域图像中背景区域像素点灰度值的波动,消除图像中竖直方向上的明暗条纹。（2）缺陷检测部分则是使用缺陷粗检测和缺陷精确检测相结合的检测算法提取出预处理之后的ROI区域中的缺陷区域。其中缺陷粗检测使用简单的双阈值分割算法和外接矩形变换操作快速地提取出ROI区域图像中可能的缺陷区域。而缺陷精确检测则是提出了一种基于灰度直方图重建的自适应阈值分割算法来进一步判断缺陷粗检测提取出的可能的缺陷区域是否为实际缺陷区域,并准确地提取出相应的实际缺陷区域。其中,提出的自适应阈值分割算法的平均IOU为83.25%,平均运行时间为0.022s。（3）缺陷分类部分提出了一种基于决策树的电极片表面缺陷分类算法,用于对检测出的电极片表面缺陷的分类。该分类算法的平均精确率为98.82%、平均召回率为98.80%,平均运行时间为139ms。并且提出了一种基于反馈控制的缺陷分类器参数调整优化方案。