传统的电池尾端缺陷检测都是采用人眼检测,人眼具有速度慢,易疲劳的特点,严重不适应现代高速电池生产线的检测要求。机器视觉作为一项新型的工业自动化检测技术,尤其是与计算机相结合,可以极大的提高电池尾端缺陷检测效率,降低人力成本。本文针对这种需求,深入研究了机器视觉检测的相关算法,设计了一种碱性电池尾端探伤系统,实现了电池尾端缺陷的在线检测,主要内容如下：分析了碱性电池尾端缺陷的噪声特性,并建立划痕的数学模型进行分析,制定了整个系统的图像处理算法流程,并分析了影响图像质量的各种因素。研究了碱性电池尾端图像的预处理算法,包括图像滤波、自适应的图像二值化方法、数学形态学处理等。经过机器视觉系统采集的原始图像经过预处理算法以后,电池尾端表面缺陷得到了明显的增强。研究了碱性电池尾端图像的分割和旋转校正方法,基于电池尾端缺陷检测的具体情况,分析了霍夫圆的图像分割方法,提出了一种基于遍历图像像素点的快速分割方法。在分析基于图像相似度的旋转角度获取方法上,提出了一种快速电池尾端图像旋转方法。该方法基于图像上的两个局部特征,获取了旋转角度,取得了良好效果。研究了碱性电池尾端图像的整体特征量和局部特征量这两个特征参数的选取和提取方法。确定图像相关度作为电池尾端图像的整体特征量,连通区域的几何特征作为电池图像的局部特征量。研究了分类器的原理和设计方法,设计了一个两级分类器用于电池尾端缺陷识别。本文研究的电池尾端缺陷检测算法,适用于所有的碱性电池,包含5号、7号、1号等,解决了人眼检测的速度慢、易疲劳、不能在线检测的局限性,为其他金属表面检测提供了参考,具有良好的普适性和实用价值。