当前工业生产应用中,对钒电池(全钒氧化还原液流电池)碳毡板和液流框板的尺寸的准确测量是实现电池高性能组装的关键环节。本文在了解机器视觉的基本原理和查阅有关边缘检测和尺寸测量文献的基础上,完成了针对碳毡板和液流框板的边缘视觉检测算法设计,搭建实验检测平台,分析算法工业应用场景,设计编写碳毡板和液流框板尺寸视觉检测平台软件。论文的主要研究内容包括:(1)构建图像采集系统平台。依据系统的性能要求,完成硬件选型,包括光源、相机、镜头以及系统计算机。通过搭建的检测平台,采集实际碳毡和液流框板的图像。(2)设计基于改进PCNN(Pulse Coupled Neural Network,脉冲耦合神经网络)的边缘检测算法。基于机器视觉的理论方法,针对测量目标特征,添加抑制因子、去纹理算子,设计一种合理的基于改进PCNN的像素级边缘尺寸检测方法。同时,基于图像处理效率最大的原则,完成了网络模型的参数自适应设置。针对应用中对轮廓细节的不同需求,分别结合三次样条插值算法和抛物线拟合算法,设计两种基于改进PCNN的亚像素级边缘检测方法。完成了尺寸检测以及算法的噪声污染对比试验。最后采用计算机产生的标准直线图像对亚像素级边缘检测算法进行算法精度测试。(3)针对工业应用需求,设计系统检测算法并完成完整的测量任务。分析两种应用情境,设计碳毡板和液流框板孔尺寸测量流程,标定平台相机参数。结合标定参数,重新推导适用于电池生产应用中视觉检测的逆透视公式。最后运用本文设计的算法对采集到的图像上的直线、圆柱孔圆进行测量,对比工件实际测量尺寸,进行算法有效性与检测精度测试。(4)设计编写视觉检测平台软件。针对课题需求,设计基于视觉的尺寸检测系统的平台软件界面,介绍软件设计思路及各部分功能。在MATLAB的开发平台上,编写软件并完成实际对碳毡板材料外围尺寸和液流框板局部尺寸的测量检测实验。