锂离子电池（lithium battery）凭借体积小、高比能量等优秀的性能表现及可靠的安全性已经成为当前应用最广泛的电能存储单元。与此同时,随着生产工艺的不断发展,对锂电池的品质要求也越来越高。然而在流水线生产过程中,由于工艺缺陷、物体碰撞或挤压造成的电池外观缺陷往往很难避免。当前企业的解决方案多为安排专门的质检员按照缺陷类别进行分拣。该方法不但人力成本高,且分类结果受主观性影响大,不利于根据分类结果反哺电池生产工艺的提升。本文针对手机锂电池在工业流水线生产场景下外观缺陷检测的需求,设计了包括图像采集系统、电池定位算法、缺陷检测算法在内的一整套应用级别的解决方案。通过六台工业摄像机,从正视、斜视、棱镜、极耳四个视图进行图像采集,并运用Label Image（图像标注软件）实现对近22000图像样本的电池位置、缺陷种类及位置的标定。最终利用缺陷检测算法实现了对手机锂电池九类缺陷的缺陷检测。整体的算法解决方案主要分以下三个部分:其一,提出基于Faster-RCNN+FPN的模型框架的电池定位算法,以人工标注的近两万张图片作为数据集,识别出图像样本中电池的具体位置,剔除掉大部分背景内容,排除了背景物体对缺陷检测的不良影响。其二,在Faster-RCNN+FPN框架的基础上构建缺陷检测算法模型,分“获取候选框”以及“检测目标分类“两阶段地完成目标检测任务,选取约两万张完全手动标定的高质量手机锂电池图片作为实验数据集,图像样本覆盖无缺陷的合格电池以及包含九类缺陷的不合格产品,原始图片分辨率为3840pix×2748pix。其三,采用基于Open CV的传统图像处理算法,对模型检测效果差的三种极耳类缺陷二次检测,检测准确率大幅得到提升。通过对近800张测试样本的实验,电池定位模型的识别准确率约97.3%,池身部位的6种缺陷的平均准确率为86.1%,3种极耳类缺陷的平均准确率为84.5%。电池定位模型的单张样本计算时间约200毫秒,缺陷检测模型的单张样本计算时长约为400毫秒,缺陷检测辅助算法的计算时长为单张50毫秒,计算时长及计算准确率都达到了工业场景下流水线应用的标准,验证了该解决方案的有效性及可靠性。