随着电子元件的微小化、细密化发展。电子元件的制造多采用SMT技术，但采用这种技术制造的印刷电路板工艺相对复杂，焊点特征比较隐蔽。焊点检测成为检测的重点和难点。目前的检测方法电学检测及光学检测智能化较低，所以智能高效的检测系统是PCB检测的发展方向。基于这种发展需要，本文在自动光学检测的理论基础上分析研究出一种印刷电路板的智能检测系统。本文首先用EC1350C型CCD彩色数字工业相机采集PCB图像。然后采用投影法分别在水平方向和垂直方向遍历图像来分割前景像素和背景像素以将背景图像与待测图像分离，从而提取出待测图像。接下来将图像进行增强，平滑，锐化等预处理以消除噪声对图像的干扰。具体方法是通过均值滤波和中值滤波对图像进行平滑处理来消除PCB板上的异物干扰；利用灰度变换增加图像对比度实现图像增强；使用拉普拉斯算子锐化方法进行图像锐化处理以突出图像细节。最后利用BP算法及LMBP算法神经网络分别对PCB板的焊点缺陷进行识别。基于SurfaceEvolver软件虚拟出焊点的缺件，多锡，少锡，立碑，虚焊，偏移六大缺陷，将生成的焊点缺陷标准样本来训练和测试神经网络，训练后的网络用于识别焊点缺陷，输出识别结果，并通过MATLAB编程仿真得出训练误差曲线图，两种算法的拟合曲线图以及噪声干扰误差曲线图。本文重点研究人工神经网络对焊点缺陷的模式识别，利用经典BP算法智能鉴别焊点缺陷，由于BP算法收敛速度慢，提出了收敛速度相对较快的改进算法即LMBP算法，并通过MATLAB仿真实验验证。结果表明，改进后的算法能有效提高缺陷检测的准确率和错误分类率。