电子产品的“轻、薄、短、小”化对元器件的微型化和组装密度提出了更高的要求。在此前提下,保证焊点的质量是一个极其重要的问题。焊点作为焊接的直接结果,它的质量和可靠性决定了电子产品的质量。然而,目前国内对集成线路板的整体质量评估仍旧停留在人工视觉阶段,效率低且可靠性不足。为此,研究工艺自动化的可视信息集成技术就成为当今电子行业的一个迫切要求。本文将模糊神经网络技术应用于焊点质量评估的研究和实现。通过将聚类分析技术、模糊推理技术和神经网络技术进行结合,在系统实现的效率和精确度方面都取得了一定的成果。主要研究了神经网络和模糊推理理论相结合的方法,并用神经网络来进行模糊推理,同时将聚类分析应用于推理规则的提取,解决了传统的模糊神经网络中推理规则数目过多而造成的网络学习速度慢以及执行效率低的问题。此外,还改进了一种基于密度网格的聚类算法,改进后的聚类算法有效地解决了因聚类间过度扩展而造成的聚类精度不足的问题,同时通过自适应调整部分经验参数也缓解了聚类结果对经验参数设置的依赖性过强的窘境,从整体上提高了系统的执行效率。仿真试验中,利用了基于聚类方法和基于经验规则的两种模糊神经网络模型,并分别采取基于这两种模型的不同方法应用于焊点质量评估。通过对实验结果进行对比和分析,可以看出:本文中改进的基于网格的聚类算法与模糊神经网络相结合应用于焊点质量的评估是一种较为有效、可行的方法。