目前工业制造中,大多数产品尤其是电子产品的外观质量是人工检验,已经不能满足智能化、集成化的工业生产线的发展要求。二十一世纪,“人工智能”在语言识别、图像识别、机器视觉等领域的理论和技术已相对成熟,其中机器视觉与自动化产品质量检测相结合的集成系统也在逐步发展。本文选取的研究对象是使用量较大的手机电池,设计基于机器视觉的算法对手机电池的表面缺陷进行无损检测。首先,本文对课题研究背景及意义进行了说明,详细阐述了机器视觉技术以及基于机器视觉的缺陷检测技术与系统的国内外发展,说明整体表面缺陷检测整体方案的内容以及软件测试工具。其次,针对图片的分辨率大和倾斜的特点,设计倾斜矫正和感兴趣区域(ROI)提取操作,以得到相对水平位置的图片和区分开电池区域和背景。针对手机电池正面的字符,采用基于人工神经网络(ANN)的监督学习型电池字符的识别方法。提出模板匹配法和最小外接矩形查找法,确定了ROI的每一个字符位置,制作训练样本,使用ANN提取字符的特征训练并预测字符。然后对最小外接矩形的像素进行修改,目的是保证电池正反面保持相同的纹理。本文将字符处理后的ROI划分成两部分,并提出自适应阈值亮度法对字符操作后的图像的子图像遍历,融合有重合区域的缺陷子图像并滤除掉肉眼检测并没有缺陷的区域,即确定了电池表面的缺陷区域,然后采用支持向量机(SVM)的多种类分类法提取二值图像像素分布规律特征进行训练并识别电池外观所具有的训练过的缺陷种类。最后,在Windows平台上使用VS2015编译器、OpenCV视觉库和MFC设计手机电池外观缺陷种类检测系统的可视化界面,采用从工厂中硬件搭建良好的工业图片在软件界面中进行试验结果验证。从识别检测的速率和准确率方面分析,确定最佳的可变参数。通过大量图片验证,该方案能够有效地检测出字符种类、缺陷区域和识别出电池外观缺陷种类。