PCB (Printed Circuit Board)制作过程繁琐,工序复杂,易产生各种缺陷,产品投入市场后检出故障的费用是装配PCB板时发现故障所耗费用的许多倍,因而缺陷检测作为PCB质量控制的重要手段不容忽视。随着PCB行业朝着超薄型、高密度、细间距、低缺陷等方向发展,传统的PCB缺陷人工目检方式已远不能满足实际生产需求而被AOI(Automatic Optic Inspection)技术替代。因此,对用于PCB板检测的AOI系统进行研究,不断提出改进具有重要的实用价值。本文在详细分析了国内众多厂家生产的AOI系统实际工程应用中存在的问题之后,针对图像拼接过程中的严重错位、缺陷检测过程中的系统响应速度慢、缺陷漏检、识别率低等不足,主要研究了AOI系统中两个重要的核心算法,对PCB板的图像拼接算法做出了改进并提出了一种新的加权缺陷识别检测算法,这些算法均以本文中的AOI系统为硬件平台,在VC++和OpenCV上调试运行。本文研究的PCB板的图像拼接算法主要从两个方面进行了改进。首先对传统的小图像之间的拼接方式做出了改进,提出整行缩小以及以行图像为配准图像的方式进行图像拼接,实验结果表明此拼接方式图像的数据量相对较少速度较快,在电脑硬件和拼图时间的允许范围之内,误差偏差不会累积并传递,因此不存在严重错位偏差。其次,在传统PCB图像拼接算法上引入surf配准,实验结果表明,本文的拼接算法进一步的解决了因光照不均而使得图像边缘亮度变化趋势相反所造成的明显的拼接缝隙的问题,大大提高了拼接的精度和速度,为AOI系统后续准确识别PCB板缺陷打下了良好的基础。本文研究的加权识别检测算法,主要针对难以提取图像几何识别特征的电子元件。这类元件若用传统的识别检测算法,需要储存大量标准模板进行逐个比对,识别速度慢、学习过程繁琐。实验结果表明本文提出的加权识别算法只需较少的模板就能准确识别PCB板缺陷,速度较快,能获得较高的精度。