随着电池运用规模日益广泛,对电池安全性评估提出更高的要求。其中图像分析技术是实现电池无损检测的重要手段,被国内外集中运用在可充电电池内部缺陷检测中,可有效提高检测速度和准确性。只是针对一次电池如热电池方面的研究还处于起步阶段,因此,本文以热电池内部的X射线图像为检测对象,研究了热电池内部缺陷的识别和分类方法,开发了用于检测热电池缺陷的软件系统。热电池缺陷主要存在内部单体电池中,需要先将每个单体热电池准确完整地分割出。本文的分割法首先对热电池X影像图进行预处理,利用模板匹配法初步提取电池堆边角部分,再利用角点检测与旋转等算法调整电池堆,以确保所有单体热电池图像滤除背景部分。针对单体电池比较薄的特点,采取了顶帽算法、迭代二值化以突出单体电池边界,最后利用改进的扫描法分割提取出每一个单体电池,实验表明,该方法对单体热电池的分割准确率达到97.6%,定位精度平均达到1.01像素点,满足电池检测分割要求。在提取出的单体热电池基础上研究了三个装配缺陷特性,针对缺陷的形状特征、纹理特征、集流片位置参数分别选择Hu不变矩、改进的GLCM与模板匹配算法进行提取,实现了对三种装配缺陷的检测,最后根据每种算法的特征参数进行基于加权平均法的参数融合,实验结果表明这种方法准确度达到97.5%,与单独的特征检测方法比具有较高的准确率和更广的适应性,满足了单体热电池的检测要求,为热电池缺陷检测提供了有效途径。针对热电池缺陷检测与识别部分,本文分别使用了两种分类器:BP神经网络与CART（classification and regression tree）决策树,对分类器隐含层、训练函数等做了深入的研究,利用理论分析与实验研究设定了各分类器的参数。同时为了得到更好的分类效果,本文根据每个分类器对单体热电池不同检测方法的分类准确度,采用择优法选择分类器,最终Hu不变矩、改进的GLCM与模板匹配法的分类准确率总计分别达到89.33%,95.50%和95.00%。本文最后将图像处理理论与软件系统中的模块直接结合起来,进行了简化的交互界面设计。本文基于图像分析手段对热电池内部缺陷进行检测技术的研究。利用背景分割与改进扫描法对单体热电池进行完整地分割;研究分析了三种特征提取方案对电池分类的影响;利用分类器择优法将三种检测方法的准确率进行提高;利用算法融合技术使单体热电池分类检测的准确度最终达到97.5%。该检测方案为热电池内部缺陷分类识别提供了有效的途径。