随着现代电子技术的发展,印刷电路板(PCB,Printed Circuit Board)已广泛应用于各种常见领域。目前,中国已经成为了排名第一的电路板制造大国,电路板的出口量也名列世界前茅。在生产过程中,难免会有存在缺陷的电路板制造出来,一旦这些电路板流入市场中,所带来的隐患是很大的。因此为了避免电路板流入市场,将存在缺陷的电路板筛选出来,已经成为生产中重要的一环。本文利用基于机器视觉方法对电路板缺陷进行检测。应用参考法,针对电路板中的各项参数变化,采用局部检测方法对电路板中的缺陷进行检测。对成板中的焊点利用神经网络进行识别,检测焊点缺陷。本文所做的主要工作有以下几个方面:1、针对电路板图像分割中的分割不准确、分割效率低的不足,提出了一种改进的电路板分割方法。先利用改进的遗传算法对图像进行预分割,求出初始分割阈值,而后应用二维最大类间方差法的快速算法对初始阈值进行优化,获得最后的分割阈值。通过分割实验证明,采用这种方法对电路板进行分割,电路板目标提取更加准确,算法的运算速度更快,计算机储存空间较小。2、针对当电路板中的缺陷较多时,单纯比较电路板中相关参数的变化可能检测不出缺陷类别的问题,采用一种局部检测的方法来检测电路板中的缺陷。当检测到缺陷存在时,系统会对缺陷存在的位置进行提取,然后比较缺陷存在区域局部参数的变化来识别相关缺陷的类型。实验证明,本系统能够对电路板中的短路、断路、凸起、凹陷、多线、少线、空洞、焊盘缺失、焊点堵塞九大缺陷很好的检测出来。3、针对目前电路板的缺陷检测效率较低的现状,应用了优化的快速的图像预处理算法、图像匹配算法和识别算法在设计的检测系统中,对电路板缺陷进行检测。结果证明,本文算法对电路板的缺陷检测效率和检测准确率都有所提高。4、针对BP神经网络检测焊点时收敛速度较慢的问题,将收敛速度较高的LMBP神经网络应用在电路板焊点的检测中。对有缺陷的焊点和正常焊点的样本先利用LMBP神经网络进行训练,当网络训练成功以后保存网络,在检测焊点时调用训练成功后的网络进行焊点缺陷的识别。检测结果表明,相对于传统的BP神经网络来说,LMBP神经网络对电路板的焊点检测结果更加准确、速度更快。