印制电路板（PCB）的生产制造水平对计算机、消费电子等行业技术进步发挥着基础性作用,而PCB组装（PCBA）的质量控制对于电子产品最终质量有着重要影响。在当今PCBA微型化、轻薄化和密集化发展趋势下,人工目视检查和在线电气检测难以满足其质量控制需求,因此自动光学检测是目前PCBA缺陷检测的主流手段。然而,当前多数自动光学检测设备仍基于模板匹配等传统机器视觉手段,存在着两方面弊端:一是对模板的高度依赖导致算法鲁棒性、灵活性不足,在单一评判标准下误检率高、结果一致性差;二是高度定制化的算法泛化性不足,导致设备使用前需进行极为复杂繁琐的建模和编程,效率低下且上手难度高。因此,本文针对传统方法下自动光学检测鲁棒性差、误检率高且系统使用繁琐复杂等问题,结合当今视觉缺陷检测发展大趋势,在研究图像采集路径规划算法和基于深度学习的PCBA表面工艺缺陷检测方法基础上,设计实现了一套智能PCBA表面工艺缺陷检测系统软件,解决了现有设备的两方面问题。本文的工作主要包括:针对PCBA表面贴装元件的图像采集路径规划中有待解决的多坐标系转换问题、效率不足问题,本文首先基于坐标变换数学模型和张正友标定法推导研究了工程坐标、成像坐标、显示坐标和机器坐标之间的多坐标系变换方法,实现了四组坐标系统的相互映射;本文研究了基于贪心策略的元件图元聚类算法,显著减少图像采集次数且具有较高计算效率;本文还研究了基于蚁群算法的取像路径规划算法,可以在可接受的时间内搜索得到可行的优化取像路径。针对PCBA表面工艺缺陷的可靠识别问题,本文将缺陷划分为包括歪斜、缺件等类型的全局性、致命的整体缺陷,以及包括焊点不良、连条等类型的局部性、可修复的局部缺陷两大类。对于前者,本文研究了基于Attention-Mobile Net V2的PCBA表面工艺缺陷分类算法,将注意力机制融入Mobile Net V2网络,大大改善了其分类性能;对于后者,本文研究了基于YOLOX的PCBA表面工艺缺陷检测算法,相比参考算法取得了较大进步。实验表明本文使用的方法在保证较低漏检率检率的同时,误检率水平明显改善。针对现有自动光学检测设备功能扩展性差、交互友好度不足、智能化程度低等问题,本文结合所研究算法,设计并实现了一套以离线交互式建模和在线智能缺陷检测为核心,融合数据存储、数据分析、权限管理等多样化功能的智能PCBA表面工艺缺陷检测系统软件,很大程度上弥补了当前主流自动光学检测设备的不足。