基于机器视觉的PCB缺陷检测技术(Automatic Optical Inspection, AOI)是机器视觉在工业检测邻域的一项重要应用，广泛地被应用于PCB生产线上。为了实现应用于工业化环境中的PCB缺陷检测，AOI算法必须满足：大范围、高精度的要求。本文根据PCB缺陷的特性，把现有的PCB缺陷分为五类：细小类缺陷，大尺寸类缺陷，色差类缺陷，圆孔类缺陷以及不属于以上分类的其它类型缺陷。针对每种缺陷类型，提出了相应的AOI算法：针对细小类缺陷与大尺寸类缺陷的AOI算法，本文在已有的只针对二值图像的算法上提出了改进，使之适用于彩色PCB图像，实验结果表明细小类缺陷与大尺寸类缺陷的平均检测精度均为90%，平均检测时间分别为0.097s和1.335s；根据彩色PCB图像的特性，本文提出了全新的基于连通域分析与直方图对比的色差类缺陷的检测算法，实验结果表明该算法平均检测精度为90%，平均检测时间为1.864s。针对圆孔类缺陷的检测，开创性地利用了机器学习中的分类算法，根据圆孔特性设计了基于朴素贝叶斯分类器的AOI算法，实验结果表明该算法平均检测精度为90.825%，平均检测时间为0.021s。为了检测更多的缺陷类型，本文又设计了基于Grab-Cut图像分割算法的AOI算法，可以用于其它类型缺陷的检测，实验结果表明该算法平均检测精度为80%，平均检测时间为33.384s。另外以上多项AOI算法中均涉及了用于彩色图像预处理的色彩数量化算法，根据PCB图像的特性，本文提出了新的色彩数量化算法，实验结果表明在运行时间上该算法有43%的提升，精度上也有一定的提升。