电子产品的“轻、薄、短、小”化对元器件的微型化和组装密度提出了更高的要求,而焊点的质量和可靠性是影响电子产品质量的重要因素。因此,如何保证焊点质量就成为一个十分重要的问题。近年来,如何及时有效的发现焊点的缺陷一直是电子组装行业研究的一个热点。焊点质量的检测方式,宏观上可分为两类:有损检测和无损检测。有损检测因为对电子器件有一定程度的破坏作用,一般不适合应用在大规模产品检测中,所以,研究无损的检测方法和技术就成为现今电子行业的一个迫切要求。近年来,基于结构式光源的焊点质量检测方法作为一种无损检测方法被广泛关注,本文针对基于结构式光源的锡量类型焊点质量检测方法进行了研究。在基于结构式光源的焊点质量检测方法中有两个难点:一个是如何提取有效的焊点图像特征;另一个是如何对焊点图像特征进行有效的分类。为了解决这两个难点,本文提出了一些方法。首先,在BP神经网络的研究中,对基于误差放大的快速BP算法作了改进。仿真实验验证了改进后的算法是有效的,并解决了将BP网络应用于基于结构式光源的锡量类型焊点质量检测中时训练次数较多和网络精度不高的问题。其次,针对目前基于结构式光源的焊点特征提取中没有充分利用焊点图像信息的问题,在焊点特征提取方面,引入了基于直方图的焊点图像特征提取方法、基于形状的焊点图像特征提取方法和基于纹理的焊点图像特征提取方法。实验表明,引入的焊点图像特征提取方法是较为有效的,提取了较好的焊点特征向量。最后,针对传统检测方法不足,在检测算法里引入了具有较强的模式识别能力和自适应能力的BP网络。结合改进的误差放大算法和提取的焊点特征信息设计了两种分类性能较好的检测模型。实验表明,设计的检测模型对于锡量类型的焊点质量检测是有效的。