焊点缺陷检测是PCB生产中的重要一环。近年来随着电子产品元器件不断朝着小型化,高密度化方向发展,传统目检已无法满足要求,并逐步被广泛应用于SMT在线检测的AOI所取代。焊点缺陷的特征提取是AOI检测以及能够准确识别的前提,本论文即对这方面进行研究,主要完成的工作如下:通过光学CCD摄取待检测PCB的焊点彩色图像,再根据彩色模型将彩色图像转换成所需要的灰度图像,由于机器平台振动或周围光照等因素干扰造成此图像不可避免伴有各种噪声且存在对比度低、边缘模糊等问题。本论文结合PCB图像特点提出了空间滤波去噪、图像增强、二值化阈值分割处理和形态学滤波等一系列图像预处理方法以达到图像的噪声滤除、边缘清晰、特征突出从而利于后续特征提取。在分析不同的预处理方法时给出各方案的理论推导并对处理前后的效果进行对比展示。预处理后的图像在特征提取前需要完成图像配准。本论文通过比较几种一、二阶边缘检测算子的优缺点并最终选择优秀的Canny算子进行边缘提取并分析其检测方法。讨论检测直线和圆的Hough变换,提出反映图像配准程度的互相关系数,它也是后面待提取的特征之一。最后再研究图像拼接技术,分析仿射变换以及计算像素灰度的后向映射灰度内插法,包括最近邻插值、双线性插值和高阶插值法。基于特征的选取原则,介绍焊点的基本特征,如形状特征、拓扑特征、质心、直方图及其统计特征等,然后阐述焊点的模式识别过程,焊点特征提取需遵循线性判别和树状分类器等方法。检测方案采用参考法与非参考法相结合的混合检测法,选择第一章陈述的五种严重缺陷——缺焊、桥连、锡少、锡多、偏移进行分析,根据缺陷类型提取相对应的特征并列出检测识别的主要步骤,针对缺焊、短路提取形状特征,针对锡少、锡多提取R分量灰度图像进行后续分析,对于偏移提取引脚的质心坐标,再计算偏移系数。然后对所提取的特征进行归纳总结并绘出整体检测流程图,最后为检验识别准确度进行实验,检测一定数量的包含所列举缺陷的焊点,检测结果表明所述方法能取得较理想的识别效果。