PCB缺陷检测,是PCB装配过程中必经的检测流程,早期主要靠人工目检来完成,但是人类视觉终究是存在一定的局限性,容易发生漏检和误检,且效率不高。而且,随着PCB生产制造技术的不断发展,大型化、高密度化以及高精度化成为PCB的发展趋势,针对此类PCB,人工目检更加困难甚至无法实现。为了能够满足越来越高的检测要求,及时发现PCB在焊接过程中存在的缺陷,采用机器视觉技术实现PCB缺陷的检测已经成为当前PCB缺陷检测研究的主体方向,其中大多数是通过比较被检测图像与标准图像来识别PCB缺陷。但是,这种检测方法只能识别是否存在缺陷,而无法确定缺陷的类别,同时也无法指出缺陷与PCB上元器件的具体从属关系。针对上述问题,本文设计了基于机器视觉的PCB缺陷自动检测系统,主要包括系统总体方案设计、PCB图像定位以及PCB缺陷检测相关算法的研究。在对缺陷检测相关算法的研究过程中,结合系统对PCB缺陷检测内容以及检测精度的具体要求,本文实现了系统各模块功能,设计了系统的硬件平台以及相关软件。本文的主要研究内容及创新点总结如下:(1)在图像定位相关算法研究中,为了提高检测PCB对角定位孔的效率,提出一种改进的Hough变换算法,改进算法从圆参数方程入手,将图像空间像素点映射到参数空间,然后在降低累加器维度的同时用多维数组来代替多重循环进行统计投票,获取圆半径,在经过计算得出圆心坐标。并经过与标准Hough变换的多次实验比较与分析,证明了该圆检测算法的可行性以及时效性。(2)在元器件图像以及焊盘图像的提取过程中,本文提出了一种基于PCB元器件信息文档中唯一标识号(Designator)、封装信息(Footprint)、元器件焊盘位置信息(Mid_X,Mid_Y)、旋转角度(Rotation)以及元器件容量(Value)等信息的感兴趣区域(Region Of Interest,ROI)提取算法。具体提取过程为:首先以唯一标识号作为索引,读取元器件的封装信息;结合元器件焊盘位置信息与封装信息,得出元器件图像区域范围以及焊盘区域范围;提取感兴趣区域图像。通过上述提取算法,可以自动确定元器件以及元器件焊盘的图像区域,提高了缺陷检测的精度。(3)本文提出了一种缺陷自动检测方法,该方法将PCB元器件信息文档引入到具体元器件图像的定位与获取过程,不但可以明确缺陷类别,也可以指出缺陷与PCB上元器件的具体从属关系,主要通过以下内容实现:首先,通过PCB对角线上的定位孔校正待检PCB图像,解决图像采集过程中可能发生不同程度几何畸变的问题,其中PCB左下角定位孔圆心与PCB元器件文档参考原点一致;其次,分析文件内元器件的相关信息,以左下角定位孔圆心为原点,定位并获取元器件图像以及元器件焊盘图像;最后,经过图像处理算法有针对性地分析前一步获取的元器件相关图像,提取图像中能够反映缺陷的有用信息,并将其与经验数据比较,从而得出检测结果。通过对PCB上元器件焊盘漏焊少锡以及贴片电阻错焊缺陷的检测研究,验证了该方法的的准确性和实效性,并为该检测方法提供了可行性依据。