全数字、高精度的伺服系统作为高端工业代表,正被广泛应用于工业控制各个领域。而驱动器电路板作为伺服系统产品的核心零部件,及时发现其生产制造中的产品缺陷是保证驱动器电路板品质安全至关重要的环节,也是提升伺服系统产品质量的有力保障。为了改善和提高驱动器电路板表面缺陷检测过程的检测效率、精度以及鲁棒性,本文主要以机器视觉技术为基础,以电路板元器件装载缺陷为研究对象,对电路板元器件缺陷检测过程中的相关算法展开深入研究,并设计实现了一种驱动器电路板元器件缺陷检测系统,主要包括以下四个方面:（1）根据实际检测需求,给出了驱动器电路板元器件缺陷检测系统的软硬件方案设计。并针对图像采集过程中很难获取到水平一致的电路板图像的问题,重点介绍一种Super Point特征点检测与描述网络用于图像特征点提取,结合多项指标对比分析了该方法与传统特征点匹配算法在视点变换与光照变化场景下的匹配性能优势,并最终采用该特征点提取方法用于待测图像与标准图像的精确配准。（2）针对当前元器件缺陷检测普遍无法有效区分与定位不同种类元器件的问题,提出了一种基于改进YOLOv4网络的电路板元器件定位与识别算法用于元器件的定位与识别。根据电路板上元器件尺度变化大、小目标数量多的特点,对原始YOLOv4的网络结构进行了改进,在原有的三个检测尺度基础上增加了一个对小目标敏感的检测层来增强特征融合,同时结合K-means++聚类优化选取先验框尺寸来改进多尺度目标检测。实验表明,该方法能够有效的识别并定位电路板元器件,有利于后续的缺陷检测精度的提升。（3）针对当前元器件缺陷检测方法中存在的效率低、误检率高以及缺陷种类覆盖不全的问题,提出一种元器件方位与极性特征向量的相似度匹配计算方法,用于快速检测元器件漏装、错装、偏移、歪斜和极性反转五种缺陷类型。该方法基于元器件识别及定位结果,提取并构建了方位与极性特征向量来对元器件本体及其极性标识在电路板上的绝对位置进行表示,然后快速计算标准电路板与待测电路板配对元器件特征向量在位置、角度以及极性标识方向匹配误差,进而快速、有效地检测元器件的五种常见装载缺陷。（4）基于上述研究成果,以及本文所提出的元器件定位与识别算法和缺陷检测算法,最终完成了基于机器视觉的驱动器电路板元器件缺陷检测平台的软件系统开发,并介绍了软件系统的基本框架、功能模块设计以及软件运行界面。