随着工业4.0时代的到来,制造业开始走入智能化、高端化、绿色化的发展道路。印制电路板（Printed circuit board,PCB）作为电子元器件的支撑体,其表面缺陷的自动化检测更是未来制造业发展的主要方向之一。目前,常用自动光学检测（Automated Optical Inspection,AOI）设备进行PCB表面缺陷的自动化检测。AOI设备效率高、可靠性强,但其价格昂贵,让很多企业望而却步,因此研究经济实惠的AOI设备具有极大的现实意义。本文以单层和双层PCB裸板为研究对象,设计了一套基于图像处理的PCB裸板表面缺陷检测系统,并完成了系统的硬件选型和软件设计。系统软件主要包含三个部分,模板提取模块、缺陷检测模块和辅助模块,其中缺陷检测模块是系统软件的核心,也是本文研究的核心。图像预处理是进行缺陷检测工作的第一步。首先,针对PCB图像对比度低的问题,对比了直方图均衡化、图像锐化和线性变换三种图像增强方法,并最终选择线性变换作为本文图像增强算法。其次,为了获得完整的PCB图像,对图像进行拼接,根据匹配算法质量评价指标的统计结果,选择SURF（Speed Up Robust Feature）算法作为拼接时的匹配算法,并根据系统采集图像的特点和SURF算法的尺度不变性,提出了实时性更高的图像拼接算法。预处理后,使用参考法对PCB进行缺陷检测。通过图像拼接获得的匹配对实现模板图像和样本图像的配准,并经过图像差分、OTSU双阈值分割和开运算等图像处理步骤,完成PCB缺陷的定位,建立PCB缺陷数据集。之后,对比了Res Net和Mobile Net V3两种神经网络模型,采用Res Net作为本文的分类模型,并将Res Net与SPP（Spatial pyramid pooling）结构相结合,提出了一种分类性能更优的神经网络模型,其分类准确率达到了99.79%。最后,本文设计并实现了系统软件的图形用户界面,同时,对系统进行了总体测试。测试结果表明本文设计的PCB缺陷检测系统完全符合提出的技术指标,其漏检率最大为0.95%,误检率最大为3.33%,单张PCB检测时间最大为8.455 s,且硬件成本较低,符合我国市场的实际需求。