随着社会的不断进步和科学技术的不断发展,各种复杂的电路板卡广泛的应用在高铁、磁浮列车和国防设备中。这些电路板卡十分精密,而且不同的元器件价格昂贵,维修成本高,使用传统的检修方式已经不能满足实际需求,因此经常需要检修员使用专业设备对其定期检修维护。将红外热像检测技术应用于电路板卡的检测,采用图像处理的方法,得到异常热源的位置,在电路板卡的在线检测中可以实现故障元器件的快速定位。本文以国家科技支撑计划“高速磁浮交通工程化集成系统研究”项目子课题“磁浮列车电网控制器板卡故障定位分析研究”为背景,对电路板卡的红外图像与可见光图像进行处理并进行故障定位。主要研究内容与成果如下:(1)图像边缘检测与配准。由于电路板卡中的元器件较多,而且特征较为复杂,为了实现快速有效的图像配准,本文采用Canny算子进行图像预处理,得到元器件轮廓特征清晰的灰度图像;并结合Harris算子特征点配准的方法,选取灰度图像中相对应的特征点,得到大小相等、位置相对重合的电路板卡红外和可见光图像。(2)获取配准后可见光图像的边缘特征和红外图像的热源特征。采用基于边缘保持的多尺度图像平滑算法,分离出电路板卡图像的低频子带和高频子带。低频子带中含有大量电路板卡的基础特征信息,将其作为基础层,采用加权平均方法得到融合图像;高频子带中含有繁杂的电路板卡细节特征,选择最大值策略,从细节特征中以获取活动水平图的方法得到高频子带融合部分,提出一种基于卷积神经网络的深度学习模型提取特征映射作为求解活动水平图的初始权重,实现细节层的融合。然后将细节层图像和基础层图像加权融合,得到拥有电路板卡中详细背景特征和热源特征的新图像,并将其作为故障辨识的主要依据。(3)实现对电路板卡故障元器件的检测定位。采用图像差分法,对双层子带融合得到的标准电路板卡图像与待测图像进行差分处理,与提前建立好的标准电路板卡示意图对比,得到产生故障的元器件编号,实现对电路板卡故障元器件的检测定位。再利用万用表对该位置元器件电压、电流和电阻进行测量验证,判断其具体故障原因。采用电路板卡图像处理与传统检测相结合的方法,可同时对大范围的电路板卡元器件进行红外检测,能够准确、快速的实现故障元器件的定位,能够有效的保证检测人员的安全,在面对大量复杂的元器件时,切实有效的减轻工作量,在工程领域具有很好的实用价值。