随着新能源汽车行业迅猛发展,锂离子动力电池的需求量逐渐增大。电池片作为锂电池的核心部件,其质量好坏不仅会影响锂电池的使用寿命,也容易引发安全问题。传统的人工检测已经无法适应现代工业的检测要求,结合机器视觉技术可以高精度、高效率地完成对电池片的缺陷检测,达到现代工业自动化检测的水平。因此本文以电池片为研究对象,提出了一种自动检测电池片表面缺陷的机器视觉系统,主要完成的工作如下:首先,搭建了电池片表面缺陷检测的硬件实验平台,设计了电池片的成像系统,根据成像的需求对工业相机、镜头以及光源进行选型,完成对电池片表面图像的采集。其次,根据电池片表面缺陷的结构特点,介绍了缺陷检测算法的具体流程,采用中值滤波器和直方图均衡化算法对图像进行预处理,针对预处理之后的图像,提出了一种自适应阈值分割方法,对阈值分割后的图像使用形态学处理方法得到电池片表面图像的缺陷区域,完成对电池片表面缺陷的检测。再次,研究了图像特征的提取方法,提取了电池片缺陷区域的灰度特征和形态特征,根据实验结果和特征评判标准做进一步的特征选择,选择了6组特征数据;分析比较了K最近邻法,支持向量机,决策树的分类方法,提出了一种决策树结合支持向量机的分类方法,实现了对电池片表面的缺陷分类。最后,搭建了整个检测系统的软件平台,实现了图像采集与显示、电池片缺陷检测和分类以及实验结果的显示等功能,整个检测系统的准确率可达到95%,对于漏金属和脱碳两种缺陷的成功检测并分类的准确率为95.44%,证明了检测算法的可行性和高运行效率。