柔性电路板(Flexible Printed Circuit,FPC)表面缺陷检测是电子产品制造质量控制的重要一环。人工目检已经逐步被自动光学检测(Automatic Optic Inspection,AOI)设备取代,但AOI设备采集的图像存在位置偏差、噪声和图像信息冗余等问题,论文针对FPC表面缺陷检测的相关算法和工具软件实现进行了研究,开展的工作和取得的主要成果如下:(1)针对FPC采集过程存在的位置偏差、光源质量导致的光照差异以及成像噪声等问题,分别提出了两种FPC图像预处理的图像配准方法;通过图像配准,可分割出图像中需要检测区域的图像。相关数据集上的实验结果表明本文所提图像配准方法具有较高的精度和实用性。(2)针对传统机器视觉方法难以适应多型号柔性电路板的多类型多属性缺陷的快速算法开发的问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的柔性电路板表面缺陷视觉检测方法,该方法以基于GoogleNet和Inception V3设计的FDNet为模型,通过采样子图的综合判决实现对柔性电路板图像进行表面缺陷检测,并能粗略地给出缺陷位置信息。经过在三个数据集上多个CNN网络对比的实验,结果表明本文所提方法可在普通计算平台上实现实时性好、准确率高的检测。(3)在算法研究的基础上,设计开发了一套包括图像预处理、缺陷标注、样本采集、模型训练、模型测试、图形用户界面和工程信息七个模块的缺陷检测工具软件,并对软件的相关功能进行了测试。论文最后对全文进行了总结,对未来值得进一步研究的问题进行了展望。