BGA(Ball Grid Array)封装技术是目前主流的IC集成电路封装技术，随着我国半导体行业的快速发展，各种电子产品的小型化和轻薄化，市场对BGA芯片及封装设备的需求也在不断增加。目前我国对BGA封装检测技术依然很落后，主要集中在检测精度不高，误检率和漏检率较高。另外，目前对于BGA技术的研究主要集中在对于BGA焊锡球疲劳度和回流技术的研究。所以，加快对BGA封装缺陷检测技术的研究显得尤为重要。　　 本文主要是针对机器视觉系统中BGA芯片图像的获取、处理以及识别这几个方面的算法研究来提高BGA封装缺陷检测的精度和速度。针对BGA焊锡球不同的缺陷特征，通过分析BGA芯片焊锡球缺陷特征的多样性，分别采用了不同的方法处理焊锡球的不同缺陷。针对焊锡球形状的检测，本文提出了BSDA(Ball Shape Defect Anisometry)法，通过图像的预处理，提取焊锡球的各向异性，通过判断各向异性的大小有效地判断出焊锡球的形状是否符合要求。针对焊锡球的位置检测，提出了BPDT(Ball Position Defect Template)法，通过分析BGA芯片中焊锡球的排列阵列，建立相应模型，通过待测芯片与模板的匹配准确地判断出焊锡球的位置是否正确，是否有缺失和多余的焊锡球。在整个检测流程中采用并行检测，提出了CASP(Count Area Shape Position)方法，焊锡球的总数，每个焊锡球的面积、形状和位置，只要其中有一项不符合检测的标准就认为芯片存在缺陷，避免了对于存在缺陷芯片的重复检测，提高检测效率。本文基于机器视觉的BGA封装检测，通过对图像预处理和图像识别算法程序的编写，采用Halcon软件和Matlab软件完成了对于BGA芯片上含有错误尺寸和错误形状以及缺少焊锡球等缺陷的识别，达到预期的识别精度，降低了误识率。对提高BGA缺陷检测精度的提高有着重要的意义。