柔性印制电路板(Flexible Printed Circuit board,FPC)具有厚度薄、重量轻、柔软可弯曲等特点,广泛用于手机、笔记本电脑等电子产品中。近年来,随着世界FPC产业向我国转移,国内FPC产值在逐年快速上升,FPC产品也朝着小型化、高密度的方向发展。传统人工检查由于效率低、稳定性差等因素,越来越难以适应FPC生产的需求,使用机器视觉取代人工检查是大势所趋。本文研究FPC机器视觉检查系统中目标定位、板面区域划分、焊盘表面缺陷检查等几个关键问题,主要研究内容包括以下几个方面:FPC检查首先需要在观察图像中定位检查区域,快速准确地定位到检查区域,对于提高检查效率,保证检查精度有着十分重要的意义。本文提出一种基于改进SURF(Speed Up Robust Feature)特征的图像配准方法,通过优化特征描述符和特征匹配方案,解决了传统技术使用模板匹配导致效率较低的问题,同时能够实现大范围的图像配准,并且对噪声、光照变化和遮挡等都具有良好的鲁棒性,实验证明该方法能准确完成FPC图像的配准任务,且具有较高的位置精度。划分FPC板面区域,有助于判断FPC各功能区域的完整性,并针对不同的区域应用不同的检查策略。现有基于颜色或者纹理特征阈值的图像分割技术,没有考虑像素和特征的空间分布关系,容易在边缘或中央模糊区域产生误判。本文引入条件随机场模型建模图像中上下文关联信息,应用颜色和纹理混合特征组成描述符,能有效解决模糊区域的误分割问题。论文引入多项logistic回归势函数,在一个随机场模型中建模多个类别的能量,实现图像一次性多类别分割,可有效避免使用多次二类分割导致模型复杂化和计算量增加,提高分割算法的辨别力和稳定性。针对传统机器视觉系统异常点检查方法的通用性差、获取参数困难的问题,本文提出了基于视觉显著性检测原理的FPC异常点检测方法。该方法通过计算图像的显著性分布搜索焊盘表面缺陷的位置,在CIEL*a*b*颜色空间结合高斯距离权值描述颜色对比度,以Gabor滤波描述纹理对比度,分别在多尺度空间中计算两种对比度得到基于不同尺度与特征的显著图层,以线性叠加和最大值叠合并显著图层,以最大熵分割计算得到显著区域。该显著区域能同时突出图像中不同尺度上的颜色和纹理异常点,与焊盘缺陷的分布相重合。该方法无需设置具体颜色和纹理范围参数即可实现不同类型的焊盘缺陷检查,具有良好的通用性。实验证明该方法能正确检出焊盘表面的颜色和纹理类型的缺陷。在上述研究成果基础上,设计了一种针对FPC的机器视觉检查系统。论文介绍了系统的硬件构成,实现了软件系统中检查程序编辑和缺陷检查两大模块,并详细论述了目标配准、板面分割及焊盘缺陷检查的整个缺陷检查过程。大量设备在线检查测试数据说明该系统能达到较高的检查效率和精度,可满足FPC生产线对产品检查的要求。