众所周知,微电子行业中的摩尔定律意味着,在价格不变的情况下,集成电路上可容纳的组件数量每18-24个月增加一倍,性能也提高一倍。在工业4.0和我国智能制造2025强国战略的背景下,印刷电路板作为电子产品的核心组件,对其质量的检测成为满足微电子行业内摩尔定律的关键。传统的检测方法已无法满足生产过程中的高速高精度要求,机器视觉作为一种无接触、无损伤的智能化检测技术,已成为行业发展的趋势。本文以PCB裸板为研究对象,设计了基于机器视觉的显微缺陷检测系统。就其生产过程中出现的毛刺、缺口、断路、短路、余铜、堵塞、缺印和多印等缺陷进行检测和分类,并满足一定的准确率和识别率,达到实时性检测的目的。首先介绍了本研究课题的时代背景和意义,然后从学术研究和工业应用两个方面总结和分析了PCB板缺陷检测方法的国内外研究现状。其次,结合本课题的实际情况,提出了PCB裸板显微缺陷检测的总体设计方案。将其分为两大模块,一个是硬件及结构设计模块,包括光源的选择、相机的选型及整体结构的设计等;另一个是软件系统模块,包括图像的采集、预处理、缺陷的分类与识别及GUI软件界面的开发等,最后在搭建的静态实验平台上验证整套缺陷检测算法。本文着重阐述了视觉检测的软件系统模块,尤其是缺陷检测的整体流程。采用灰度变换将彩色图像灰度化。通过比较选择对数变换法增加图像对比度,采用中值滤波算法去除图像中的椒盐噪声。通过最大类间方差法进行阈值分割,得到二值化图像。通过模版匹配法对待测PCB图像进行配准,使其与标准PCB图像处于同一空间位置关系。将预处理后的待测PCB图像与标准PCB图像做差值运算,得到差影图。利用形态学算法除去不构成缺陷的微小差异,得到缺陷图。采用Sobel算子进行边缘检测得到缺陷区域的几何中心,从而切割出24~*24大小的缺陷图。使用图像渲染技术合成新的缺陷图像作为训练的标签数据。分别利用BP神经网络算法和卷积神经网络算法建立训练模型作为图像分类器,对各类缺陷进行识别。以整套缺陷检测算法为基础,开发GUI软件界面,完善缺陷检测系统。