随着工业自动化技术的发展，传统的人工检测方法已无法完全满足现代制造业的要求。基于图像处理、机器视觉以及工业产品质量检测的工业图像检测系统已经应用在越来越多的自动化生产领域中。利用工业图像检测系统进行质量检测正在逐步替代传统的人工检测方法。本课题的研究目的在于开发一种基于图像处理技术的视觉检测系统。以锂锰扣式电池自动生产线为平台，完成对扣式电池在线识别，质量检测，并自动进行剔除功能。　　 传统的锂锰扣式电池表面划痕检测主要依靠人工完成，检测速度慢、检测标准不统一等问题。基于机器视觉的电池表面质量检测可以有效的解决这些问题，实现大批量自动化精确检测。本课题采用LED低角度平行光源照明解决了金属表面的反光问题；选用了wv-CP430摄像机和DH-CG300图像采集卡作为图像采集设备，利用滚珠丝杠直线单元作为摄像头的可移动调节支架。重点讨论了图像匹配算法，对多种图像处理技术进行研究和比较。通过将图像二值化，提取图像特征并降噪处理。通过ROI蒙板，实现了目标图像与背景的良好分离效果。利用labview软件提供的模版匹配和特征匹配函数得到图像的几何参数。对图像进行平移和旋转处理，通过逻辑减法，得到目标图像的划痕特征。经过与设定阈值的比较，完成对扣式电池表面进行品牌的识别，并对电池表面质量状况进行评估，剔除不合格产品。经过实验验证，得到比较满意的结果。　　 本课题利用锂锰扣式电池生产线的控制系统，搭建了电池清分剔除系统平台。以欧姆龙PLC作为电气系统的核心控制部件，编写清分剔除程序，实现故障报警功能。并设计电池清分剔除平台的机械结构。基于labview的锂锰扣式电池表面质量视觉检测与清分剔除系统研究，对提高锂锰扣式电池生产线自动化程度有着十分重要的意义，通过实验证明达到预期效果。