我国是干电池的消耗大国,也是生产大国,而干电池的生产设备也日益向自动化、高速化的发展。由于干电池内部浆层纸和底碗纸装配过程中出现的的质量问题,导致的干电池短路现象的问题,是干电池的主要要质量问题之一,其传统的检测方式,是依靠人眼目测,而在干电池生产线高速运行中,人工不能够准确及长时间工作,存在极大的质量隐患。本论文研究一种基于机器视觉的干电池内部浆层纸和底碗纸质量检测的关键技术,探讨图像采集、图像处理、图像识别等方面的具体问题,结合干电池生产实际,开发设计了针对干电池内部浆层纸和底碗纸的自动化智能检测系统。本文在分析干电池生产缺陷的特点与规律性的基础之上,提出了系统设计方案,分别对干电池图像数据的采集、图像处理以及图像识别等模块进行具体设计,搭建了基于PC平台的十电池生产内部缺陷检测实验平台。文中首先对干电池工业生产过程中所产生的缺陷进行了分析和总结,初步找出了规律性,对机器视觉技术干电池内部缺陷检测的应用进行了研究。然后,针对小号干电池筒内空间狭窄及生产过程中被测物体快速运动的特点,选用了微型图像传感器及微型LED灯,并将LED光源与摄像头集成到一起,有效地解决了干电池内部狭窄空间图像的采集问题。同时还针对小号干电池筒内部缺陷的特点,进行了图像前处理的技术研究,采用对比法具体地对小号干电池筒内部缺陷图像的增强、图像滤波、二值化及边缘检测等图像处理算法进行了优选,选出适合小号干电池筒内部缺陷检测的图像增强、图像滤波、二值化及边缘检测等最佳算法,有效地改善图像的质量,有利于提高缺陷的检测率。最后根据干电池内部缺陷的类型及特点,在分别采用SVM支持向量机和模板匹配识别法两种图像识别方法进行了分析研究,结合缺陷图像的特点及实际生产运行清况,确定采用模板匹配法进行检测识别,能有效高准确度地实现了小号干电池内部缺陷检测。在Windows系统下,采用Labview平台,开发出小号干电池内部缺陷检测系统。实现了图像检测系统所需的小号干电池内部窄小空间内的内部缺陷的图像数据采集模块、图像预处理模块、图像识别模块等功能,并输出检测结果。该系统相关方法和技术有效可行,对提高于电池生产质量检测水平和实现自动化均有积极意义。