基于红外图像电路板故障检测技术以其安全高效等优势广泛应用于电路板故障检测领域,将正常与故障工作状态下的电路板红外图像进行对比分析,达到识别板上故障元件的目的。本文对电路板故障检测技术中的红外图像预处理、红外图像配准、故障元件识别与判定等方向进行研究。由于红外图像拍摄条件所限,红外图像特征并不如其他图像特征明显,包含的噪声较多。处理过程中首先将对其进行图像的预处理,通过对小波阈值去噪函数进行改进,预处理可有效滤除图像噪声、提取图像特征点。为了更好识别图像中的故障元件,将存在空间位置差异的标准电路板的红外图像与待测电路板的红外图像进行图像配准,提出一种新的基于环形描述子的快速配准算法(FRSF,Fast ring-shaped feature),引入了特征点的快速检测并建立环形描述子,同时使用改进的RANSAC算法剔除误匹配点。通过进行三组图像配准仿真实验,结果表明,与传统SIFT、SURF算法相比,提升了配准精度并减少了运算时间。使用三种方法对故障元件进行识别与判定,差分红外图像法得到的电路板故障差分图,可识别出温度有明显变化的故障元件;图像集温度曲线法通过比对标准和故障元件温度曲线判定故障元件;改进的加权函数光流法获取目标光流场,计算估计出故障目标的运动矢量,识别与定位故障元件。由三种判别方法相结合分析,从而实现故障元件的识别与定位,使电路板的红外图像故障检测技术得到了有效提升,故障元件的识别更加准确。实验表明,相对于传统方法,文中方法对航空企业中电路板故障的批量检测技术进行了有效的改进与优化,同时降低了故障检测的误识别率。