近年来,我国新能源汽车行业发展迅速,软包动力锂电池作为新兴动力电池,拥有广阔的市场需求和良好的发展前景。在软包动力锂电池生产过程中,其极耳焊缝焊接缺陷检测尤为重要,关系到动力电池成品质量和性能。但是目前对于软包动力锂电池极耳焊缝焊接缺陷检测研究甚少,为此文章将机器视觉(Machine vision)应用到软包动力锂电池极耳焊接缺陷检测中,提供一种可行性研究思路。检测的重难点在于如何在高反光、低对比度、多噪声的极耳焊缝图像中准确提取出焊缝,以及选取合适的特征进行分类识别。文章具体的主要内容包括以下四个方面:首先,介绍了动力电池的种类,详细分析了软包电池组成结构及其能量密度高、安全性能好、设计灵活等优点。系统阐述了公司现有软包动力电池极耳焊缝的缺陷类型,以及极耳焊缝缺陷的生成机理,为实验研究分析打下基础。其次,研究了关于极耳焊缝图像的处理方法,包括图像去噪、增强以及图像分割方法。实验分析比较了均值迭代分割、最大熵分割、基于粒子群算法的分割、Adaptive-threshold以及OTSU分割方法。针对极耳焊缝高反光、低对比度的特点,提出一种基于形态学重建与OTSU的极耳焊缝图像分割方法。通过改进多尺度结构元素进行形态学重建,结合OTSU完成极耳焊缝图像分割任务。研究结果表明:该方法适合于极耳焊缝图像分割,在保证焊缝准确提取的前提下速度也有所提高。然后,研究了极耳焊缝的特征提取与分类识别方法。主要对形状、几何特征进行特征参数提取。采用基于决策树方法和基于模板匹配算法进行极耳焊缝分类识别的研究,并结合先验特征阈值采用模板匹配法对极耳焊缝缺陷进行分类。实现极耳焊缝熔焊、焊洞、焊偏、断焊、短焊的检测识别。研究结果表明:存在缺陷重叠的极耳焊缝对决策树方法有影响,采用基于特征的模板匹配法识别精度好于前者,识别率为94%。最后,设计了极耳焊缝缺陷检测方案,完成了检测平台搭建。主要包括硬件平台和软件平台。根据极耳焊缝高反光、低对比度的特点,通过选择合适的环形光源,BASLER相机、Kowa Lens LM35HC镜头等,搭建焊缝硬件检测平台。设计软件检测平台,采用MATLAB与Lab VIEW相协调的方式实现检测任务。