现如今电子元器件制造行业的发展趋势十分迅速,对于PCB焊点的自动光学检测技术变得尤为重要。由于PCB焊点的质量好坏会直接影响和关系到相应电子产品的质量,所以如何提高焊点缺陷检测的准确率,如何能够快速的保质保量的完成焊点的线上检测,这些早已经变为整个电子元器件制造业的研讨热点,也是亟待解决的重要问题。因此,基于自动光学检测的PCB焊点检测作为本文研究的背景,针对自动光学检测系统在进行焊点检测时易出现的数据冗杂所导致的实时性较差等问题,进行了如下的研究工作:(1)Microvision视觉平台及相机的标定。研究并采用了Microvision视觉平台,对实验的光源环境进行研究分析,对环形光源及其他光源对于焊点图像采集的影响进行比对分析。采用工业面阵相机,对相机进行了标定,并计算出相机的矩阵内参,畸变参数。(2)PCB焊点图像的预处理与特征提取。采用工业相机采集PCB焊点图像,通过研究并采用几种不同的图像去噪方式,最终选择自适应中值滤波进行图像去噪。然后运用全局阈值与Canny算子相结合的分割方式对焊点图像进行边缘提取,最后将提取出的焊点轮廓边缘特征进行统计。(3)粗糙集属性约简特征。针对焊点特征数据繁多,冗杂等问题。采用基于粗糙集属性约简的方法对训练样本的特征进行约简,并通过实验对特征属性的组合进行选择。简化后的焊点特征同样具有良好的识别效率,降低了焊点特征匹配复杂度。(4)焊点缺陷检测及对比实验。将BP神经网络算法、相似度比较算法、粗糙集特征约简算法进行对比实验。通过对比焊点检测的正确率、误检率、漏检率以及检测时间。粗糙集特征约简算法可以有效地解决特征冗杂带来的检测时间较长的问题,检测的准确率达94.9%,检测时间从4.1s缩短到3.9s。