印制电路板的表面贴装器件的光学自动检测是电子工业生产线上品质检测领域一个十分重要的研究方向。它旨在利用光学和计算,机视觉技术,对采用微型化器件的高密度电路板上的各类元器件进行非接触式的高速、高精度识别和缺陷检测,从而克服人工检测的低效率与可靠性差等缺陷,从而提高电子产品的生产效率和合格率。本文对电路板板载元器件自动光学检测技术的行业现状及发展进行调研,提出了检测系统的主体框架。通过对主要构成模块的分析,提出设计和搭建实验平台的原则。在此基础上构建了简单的硬件系统,并利用VC++软件平台验证算法的合理性。本文利用彩色图像在孟塞尔颜色系统中的特性,综合图像色度、饱和度和亮度信息,实现了贴片元件有效信息区域的快速定位。由于电阻表面具有字符特性,利用网格化字符区域以及统计外观建模的方法,实现了机器学习识别电阻的光学字符确认。由于电容主要以颜色信息分类,利用对光亮不敏感的色度信息可实现比较稳定的分类和识别。本文提出电路板Mark点快速定位的实用方法,在此基础上可以实现元件的快速分割。利用SOP(小尺寸封装)芯片的外形轮廓信息,在灰度惯性矩基础上实现了芯片偏角检测。利用QFP(四边引出扁平封装)芯片上的极圆实现此类芯片偏角度量,并在此基础上实现芯片偏转矫正和字符分割。最后,本文采用圆投影矢量和算子和泽尔尼克算子对芯片上偏转的标志进行旋转不变量的检测,以解决因为图像偏转而出现的传统模板匹配失效等问题,提高了模板匹配的鲁棒性。