在现代电子设备和电子产品中,PCB(Printed Circuit Board,印刷电路板)承载着各电子元件之间的连接导线,在各个领域得到了大规模应用。检测是印刷电路板制造过程中的一个重要环节,随着PCB的产量越来越大,布线密度和精度也越来越高,传统的检测方式如人工目测及针式检测都不能够满足现代PCB生产的需要。很多企业急需能够实现在线检测的基于机器视觉的PCB缺陷检测系统。首先在图像的采集上采用分块采集、分块处理的方法,不仅节约处理时间,还节省了大量的缓冲空间。对PCB灰度图像进行增强处理,采用改进的基于二阶梯度的图像锐化方法,不仅使图像的灰度对比度大大增加,而且有效地突出了边缘信息,去除了噪声。实验结果表明,本文提出的基于二阶梯度的增强方法是图像增强的有效方法,计算简单,图像增强的同时滤除了边缘附近的噪声,非常适合图像的在线处理。PCB图像与样本对准进行缺陷检测,关键问题是如何将图像与样本快速、精确对准。采用对准方法是通过对待检索图像与样本图像进行对比计算,求出两者的位置变换参数,利用遗传算法寻找最优的变换参数,使得两幅图像的距离最小。由于遗传算法采用全局并行搜索,因此可以很快搜索到全局最优值,将其应用于PCB图像对准可以降低时间复杂度,保证了检测系统的实时性。建立了基于边缘的样本数据结构,通过特征参数的对比搜索缺陷点,并进行缺陷分类,克服了传统模板匹配算法需高精度定位及计算数据量大的缺点。为了在保证检测质量的前提下降低检测算法时间及空间复杂度,论文主要在如下两个方面有所创新:系统采用Visual C++ 6.0进行编程,实现了精确定位、快速准确检测缺陷并标注缺陷及缺陷分类等功能,实验结果表明,检测一块PCB的时间不超过20秒,准确率达到99%以上。