PCB作为电子产品的基本组成构件,其焊点质量直接影响电子产品的稳定性和使用寿命,因此焊点质量检测是PCB生产过程中非常重要的步骤。传统的人工检测法存在着诸如检测速度慢、准确率低的不足之处,难以满足生产要求,因此自动光学检测在PCB焊点质量检测中得到了广泛的应用。对于焊点质量检测,目前国内外的研究对象主要是贴片类焊点,对插针类焊点的研究工作较少。故本文针对以工业机器人为载体的插针类焊点的质量检测系统,引入自动光学检测,并采用极限学习机判断焊点质量合格与否,以提高检测效率,保证检测结果的可靠性。本文的主要研究内容与成果如下:(1)对自动光学检测系统的总体方案进行了设计,包括工业相机、镜头、光源的选型与设计,以及软件平台和焊点检测算法流程的确定;(2)对自动光学检测系统进行标定,获得了图像中的点与实际空间中的点之间的对应关系,再检测PCB上定位标志的位置,根据焊点与定位标志的位置关系获得了各焊点在图像中的位置,实现焊点定位;(3)为获得机器学习算法所需的输入,提取了大量焊点图像的特征并利用信息增益进行特征选择,计算信息增益时的特征数据离散化由K-means聚类算法实现,并采用CH指标确定最佳聚类数目;(4)采用代价敏感极限学习机进行焊点质量检测,实验表明,与一般的极限学习机相比,其对不平衡样本有更好的分类效果,之后还采用人工鱼群算法进行参数优化并有效提升了代价敏感极限学习机的性能。