在器件大批量生产的情况下,单纯的通过人眼进行缺陷检测会产生较高的漏检率和错检率,已经无法满足工厂生产的质量要求和速度要求,因此采用计算机进行工件的缺陷自动检测逐渐成为一个重要且极具意义的研究课题。因为X射线在穿透不同结构的工件或不同厚度的物质后,X射线的衰减程度是不同的,所以采用X射线穿透工件后,由探测器得到的数字图像中会包含工件的详细信息,并且该技术不会对工件产生损伤,实现了真正的无损检测。但是采用X射线源采集的图像包含背景噪声并且细节对比度较低,不仅呈现效果差,而且会影响缺陷自动检测的效果,所以对于X射线图像的增强去噪尤为重要。本文采用微焦点X射线源对焊接器件之后的电路板（PCBA）、锂电池进行成像,采用C++、OPENCV进行图像增强,然后采用OPENCV、并行高分辨率网络（HRNet）实现PCBA及锂电池的缺陷自动检测。主要的研究内容如下:1、基于伽马函数设计了新的图像增强算法,实现图像的增强和去噪。新的图像增强算法包含了两个伽马函数,从而实现对图像高低灰度区域对比度的拉伸尺度的控制。通过对比不同的图像增强算法并进行分析,最后选用了经典的中值滤波及多图平均法实现颗粒噪声及随机噪声的去除。2、基于图像的形态学操作及广度优先搜索算法（BFS）实现了PCBA的焊球和气泡的检测。结合图像的开闭操作、顶帽、黑帽的特性,采用多尺度闭操作实现焊球的提取,最后采用BFS算法实现焊球的分割及合格率判别。3、基于高分辨率网络实现锂离子电池的缺陷检测。高分辨率网络HRNet在每次卷积后,图像的高分辨率子网会与低分辨率子网进行信息的交换,以此保持图像的高分辨率特征。使用labelme对电池极片的端点进行关键点标注,通过得到的模型对锂离子卷绕电池和叠片电池进行关键点检测,最后通过检测结果和转换算法得到卷绕电池和叠片电池的极片偏移量,以此判断卷绕电池和叠片电池是否合格。