生产PCB(Printed Circuit Board)板的过程中,电子元器件的焊接是重要的一部分,焊点的质量好坏也直接影响PCB板的质量。为了能够确保将高质量的PCB板应用到电子产品中去,提高产品合格率,避免不必要的损失,实现PCB板的焊点缺陷检测也变得越来越重要。将机器视觉应用到焊点检测领域,以此代替人工检测,实现焊点质量的自动检测,这将提高检测准确率、增强市场竞争力。本文针对基于机器视觉的焊点缺陷检测开展工作。焊点的缺陷类型主要包括连焊、拉尖、漏焊、多锡等,设计焊点检测总体方案,详细讨论缺陷焊点的具体检测方法,主要内容如下:首先,分析了各类焊点的质量检测指标,设计了焊点检测系统的总体方案,通过分析各种硬件设备构成以及设备参数,对工业相机和镜头进行型号选择,分析了各种光源、打光方式的特点和适应的场合,选择了合适的光源和照明方式,完成实验系统的构建。其次,研究了多曝光融合的图像采集方法,针对图像采集时曝光不均匀的现象,采用多曝光融合的方式对图像信息进行综合,介绍了各种经典的图像融合算法,分析融合图像质量评价指标。采用细节保留的快速图像融合算法对焊点图像进行融合,结果表明,本文所用方法在保证图像融合质量的同时,在时间上也拥有明显优势。然后,对焊点缺陷分类方法进行了研究。分别采集合格焊点和缺陷焊点图像,将其分为训练样本和测试样本。利用主成分分析进行降维克服高维数据不利于分类的缺点,再利用极限学习机对训练样本和测试样本分别进行学习和测试,得到分类结果。实验结果表明,主成分分析和极限学习机结合的方法相对其它机器学习分类方法,有更高的检测准确率,ROC(Receiver Operating Characteristic)曲线下的面积更大,所耗时间更少。最后,研究了焊点的三维重建,获取焊点的三维表面信息,对缺陷焊点进行进一步的检测。介绍了聚焦测距相关的几何光学理论和重建的原理,分析了焊点三维信息提取的步骤。利用聚焦测距的方法,获取合格焊点和缺陷焊点的三维信息,并进行数据对比。结果显示,该方法可以有效地获得焊点的三维信息,并且满足检测要求。