柔性印刷电路板（FPC）被广泛应用于智能手机和液晶电视,随着现代社会电子产品的大量使用,FPC电路板需求量大大增加的同时也将会越来越倾向于轻薄化,那么FPC的精密程度和制造的复杂程度也将渐渐增大,此时对于FPC电路板的质量把控将会更加严格。目前FPC的外观缺陷主要还是依靠人工目检,这对于人力的消耗是极大的,并且越发高密度的线路将使人工目检极为困难,随着物联网时代的到来以及机器视觉的飞速发展,制造行业也将赢来巨大革新,实现基于机器视觉的FPC电路板缺陷检测系统具有非常巨大的意义和价值。本课题研究了一种基于机器视觉的FPC缺陷检测方法,主要工作内容如下:（1）对FPC图像的预处理算法进行研究。图像预处理在FPC检测系统中是一个极为重要的环节,在此环节处理得当,那么对于后续的检测的效率将会大大提升。通过图像增强、图像滤波以及图像分割等操作,将噪声干扰尽可能的消除,并提升FPC图像的对比度。针对FPC的特点,在参考文献的基础上对滤波算法进行改进,应用Otsu算法进行图像分割,并通过实验对比分析,说明该预处理方式是有效且可靠的。（2）针对实际检测过程中,样品的摆放不能够完全做到统一的现象,需要对待检样品进行目标定位和图像配准,本课题采取模板匹配的方式进行目标定位,经过实验分析比较,目标定位的方法选择基于特征点的模板匹配方式。在实现目标定位之后即可进行图像配准,本课题通过基于特征的配准方法来进行图像配准,针对其中两种方法:SIFT算法以及SURF算法进行分析对比,通过实验最后选择SURF算法来实现图像配准,并取得不错的效果。（3）对搭建的实验平台进行一个介绍,然后针对预处理过后仍可能存在的杂散点,应用图像形态学处理方式进行消除。之后针对FPC板外观缺陷中的异色、异物以及压/刮/划痕缺陷,根据它们的缺陷特征分别设计检测算法,最终实现FPC电路板缺陷的自动识别分类。最后,在上述基础下,通过计算检测10组含有缺陷的FPC板,过检率的平均值为5.66%,漏检率的平均值为8.74%,这都低于企业中人工目检的值,因此该检测方法是可行并且能够应用在实际中。