随着国家对高端制造业的激励扶持，企业对伺服系统产品的需求越来越多，为了保障产品质量在生产环节严格把控有助于产品质量的提升。驱动器电路板作为伺服系统的重要组成部分，视觉检测其生产过程质量是提升产品质量的关键环节之一。为了改善和提升驱动器电路板视觉检测过程的效率、准确性、鲁棒性，本文以驱动器产品生产过程中检测技术提升为研究背景，以驱动器电路板裸板为研究对象，对电路板裸板的视觉检测过程中的配准算法、识别算法进行了深入研究，并设计实现了一种驱动器电路板裸板视觉检测系统，主要研究内容有以下四个方面：
　　针对电路板裸板基于标定点的准确快速匹配配准的问题，提出了一种基于方位环境特征的特征描述方法和相似度度量方法用于裸板图像匹配配准。该方法首先用图像处理找到预设在裸板上的标定点，然后根据本文的方法环境特征描述方法和基于卡方分布的方位环境特征相似度度量方法，计算它们的特征向量并匹配，从而实现模板图像和测试图像的标定点的匹配和最后裸板图像的配准。
　　针对电路板裸板基于局部特征点快速准确匹配配准的问题，提出了一种全局负样本挖掘的学习描述网络匹配方法用于裸板图像配准。该方法采用本文的全局负样本挖掘策略用现有数据集训练了一个L2Net的局部描述网络，用以描述Fast方法检测到的特征点，使用欧式距离的相似性度量方法匹配这些特征点，从而计算得到仿射变换矩阵和最终裸板的图像配准。为了比较本文训练策略对网络的性能提升，使用多种评价方法对比其他描述方法，表明提出的训练策略对网络有一定的性能提升，这样能够更准的匹配局部特征点，从而提升裸板图像配准的鲁棒性和准确性。
　　针对当前电路板裸板缺陷识别多采用传统经验规则判断，提出了一种基于裁减的VGG的卷积网络的电路板裸板缺陷识别的方法，用于驱动器电路板裸板的缺洞、鼠咬、断路、短路、毛刺和漏铜的六大缺陷的检测及识别。该方法首先比较模板图像和测试图像局部自适应阈值后的差异，然后采用形态学和轮廓跟踪提取缺陷图像；接着训练了一个裁减的VGG网络识别驱动器裸板缺陷，实验表明该方法用于识别驱动器裸板缺陷相对于传统方法有很大准确性的提升。
　　最后设计实现一种驱动器电路板裸板视觉检测软硬件平台，详细阐述了系统各个软硬件模块的功能、选择、设计、开发，并将本文提出的学习描述网络图像匹配方法和缺陷识别卷积网络实现在系统当中，实现了驱动器电路板裸板在线准确检测。