随着技术的发展,机载电路板呈现复杂化、小型化的趋势,由于外界技术封锁等原因,传统基于运行机理的故障检测方法并不完全适用于机载电路板。且仪表检测容易对精密的机载电路板造成二次故障。针对此问题,本文提出了一种基于红外图像的电路板故障诊断方法,利用热像仪对电路板进行无损检测并提取元器件温度数据进行故障诊断,该方法具有通用性强、成本低以及检测难度小的优点。首先,选定实验电路板,设计实验周期和故障模式,设计电路板红外图像采集系统,采集原始电路板红外图像;接着,分析原始图像特点,针对不同特点分别从超分重建和去噪重建两个角度对原始电路板图像进行预处理;然后,提取预处理后红外图像芯片部分的温度数据,建立多维度芯片温度数据集,针对部分故障模式特征相似导致误判率高的问题,设计添加注意力机制的长短时记忆网络（LSTM）并行融合全卷积（FCN）结构的故障诊断模型,完成电路板故障高精度诊断;最后,针对温度数据集中存在热平衡和冷却曲线影响故障诊断精度的问题,本文通过引入双阶注意力机制,自适应提取温度数据集中用于特征学习的有效数据段,并利用麻雀搜索算法（SSA）优化注意力机制的权值分配,优化卷积神经网络（CNN）融合门控循环单元网络（GRU）故障诊断模型,设计了一种基于SSA优化DA-CNN-GRU结构故障诊断模型,实现高精度诊断的同时,并进一步提升训练速度。本文通过多个对比实验,对红外图像预处理效果与故障诊断模型性能进行验证。实验表明,基于红外图像的电路板故障诊断方法能够对电路板故障进行高精度诊断,方法具有泛化性和鲁棒性。