近年来,随着机器视觉技术在工业领域研究的不断深入,机器视觉的相关应用越来越受到人们的关注。而PCB缺陷检测作为机器视觉在工业领域的一个重要应用,也大规模的应用于PCB生产线上,随着技术的革新与产业的升级,对PCB生产工艺的要求越来越高,但是,高端的AOI设备目前仍然被国外的企业所垄断,其高昂的价格迫使国内众多小规模PCB制造企业仍通过人工检测来完成其PCB产品的质量检测,随着工业4.0、物联网等众多新兴技术的迅速发展,制造业必将迈入一个新的阶段,研究实现基于机器视觉的PCB缺陷检测系统具有非常重要的意义和价值。因此,本课题研究实现一种基于机器视觉的PCB缺陷自动检测系统。本文首先论述了课题的研究背景和意义,并对国内外研究现状进行总结。然后阐述系统的工作原理并对系统进行整体设计。并根据影响系统性能的主要外部因素来选择合适的硬件。完成PCB图像的预处理算法研究,预处理是PCB缺陷检测系统中非常重要的一个环节,本文先通过CCD相机将采集的彩色图像转换为灰度图像,然后再对灰度图像进行图像增强和图像平滑处理等,针对PCB图像的特点,在研究经典Otsu算法的基础之上,提出一种将遗传算法与Otsu相结合的改进算法对PCB图像进行阈值分割,并通过实验说明该算法有效可靠。提出并实现一种PCB缺陷自动检测和识别的算法。算法先是通过采用改进的SURF算法将待测PCB图像与参考图像进行配准,使二者在空间上达到对齐,然后,再运用数学形态学对两幅图像进行处理,并将二者作差分运算,获得缺陷的位置,最后根据缺陷的特征信息,对缺陷进行识别。采用合格与不合格的PCB数据作对比试验,实验结果表明,该算法对PCB中常见的几种缺陷能有效检测并识别,而且准确率较高。最后,完成系统的搭建,设计并实现了检测系统的软件部分,软件界面简单明了,人机交互性能良好,选取PCB图像数据对系统整体进行测试,测试结果表明检测系统识别准确率高,具有较强的鲁棒性。