随着机器视觉和人工智能领域的快速发展,基于机器视觉的自动光学检测(Automated Optical Inspection,AOI)技术被印刷电路板(Printed Circuit Board,PCB)制造企业广泛运用于PCB表面缺陷检测中,但目前的AOI系统存在易用性差与智能化程度低、缺乏对通孔插装式元件的检测等问题。针对上述问题,本文对PCB图像采集和PCB表面缺陷检测涉及到的理论方法与关键技术进行了深入研究,具体的研究内容如下:(1)设计PCB表面装配缺陷检测系统框架。通过对PCB表面装配缺陷和实际生产需求进行分析,明确系统的检测任务和各项性能指标;在此基础上设计基于机器视觉的PCB表面装配缺陷检测系统的整体框架,并以系统的图像采集方法和缺陷检测方法作为研究重点,对二者进行分析并提出解决策略。(2)研究基于路径规划的全覆盖取像方法。针对工业相机的单次取像视野固定且远小于PCB的版幅面积的特点,设计一种基于覆盖域的取像窗口聚类算法,获取可以完整覆盖PCB所有电子元件的最少取像窗口集;同时针对取像窗口位置可浮动的特点,设计一种变邻域蚁群算法,利用提出的变邻域路径搜索和变邻域窗口位置调整策略改进蚁群算法以获得最短的取像路径;将最少取像窗口位置数据和最短取像路径数据构建为PCB的图像采集模型,系统依据该模型可快速完成图像采集任务。(3)研究基于外观检测模型的PCB表面装配缺陷检测方法。针对PCB表面装配缺陷检测具有多特征、多类别的特点,以及传统缺陷检测方法易用性差、智能化程度低的问题;设计一种基于改进的MobileNet-SSD装配类别缺陷检测算法利用深度学习的方法自动提取电子元件的类别特征;并结合设计的基于图像处理的装配位姿缺陷检测算法提取电子元件的位姿特征;将两种算法提取的特征构建为PCB的外观检测模型,通过对比合格外观检测模型和待检外观检测模型实现表面装配缺陷检测。(4)开发基于机器视觉的PCB表面装配缺陷检测系统。在上述研究成果的基础上,在保证系统经济性的前提下,设计并开发了一款可用于检测混合贴装印刷电路板的高效PCB表面装配缺陷检测系统,并以某一具体型号的PCB为例,介绍了系统在缺陷检测过程中的实际应用,验证上述方案的可行性。