贴片电阻具有体积小、可靠性高、适应再流焊和波峰焊,并与自动贴装设备匹配的优点,适应电子产品电路集成化、平面化的发展需求,在手机、电脑等高密度电子产品中得到广泛应用。而贴片电阻在生产过程中产生的缺陷主要依靠人工在显微镜下检测,速度慢、长期成本高、误检率高。因此,研究快速高精度的自动缺陷识别方法在保证贴片电阻成品质量中具有重要意义。针对贴片电阻单元具有排列整齐、结构简单、图像灰度级少的特点,提出基于子图投影匹配的快速缺陷检测方法。以改进的Sobel边缘检测算子检测贴片电阻二值化图像获得三像素宽度的边缘;通过粗精结合Hough直线变换在2°范围内检测电阻边缘所在直线,较传统Hough算法速度提高一个数量级以上;计算相邻电阻单元的相关系数作为电阻缺陷判别依据,该方法具有对图像采集光照不均、光照不稳定、存在约束缩放不敏感等优点,缺陷检测正确率约为92.5%,较传统模板匹配缺陷检测方法速度提高一个数量级以上。以基于主分量分析法压缩图像数据量,提取缺陷特征。主分量分析法去除样本间的相关性和冗余信息,获得协方差误差最小的图像压缩信息。通过实验对不同训练集和不同数目的主分量构成的主分量分析变换空间对图像描述精度和识别精度的影响进行探讨,以训练集协方差矩阵约78.57%的特征向量作为主分量构成的变换空间提取缺陷特征将图像数据由123×246维压缩为50维,以此作为支持向量机输入,极大降低了贴片电阻缺陷分类的计算量。以基于统计学习理论的支持向量机对贴片电阻缺陷进行分类,以一对多的策略组合支持向量机构建多类别分类器。以70个样本构成的训练集训练分类器建立缺陷分类的最优分类面。探讨了基于不同核函数支持向量机分类模型的推广性能,并分析了对应于不同核函数的核参数对支持向量机模型推广性能的影响,认为基于线性核函数支持向量机的电阻缺陷分类模型推广性能最佳。最后编写了贴片电阻缺陷检测和识别的软件程序,建立实验系统。进行了优劣电阻的区分阈值选取实验、缺陷检测实验以及缺陷识别实验,验证了算法的可行性;并对算法的快速性和识别精度进行了测试,满足系统快速高精的要求。