随着智慧工厂的兴起,印刷电路板（PCB）作为电子设备的核心部分,其自动化瑕疵检测对提升产品成品率有着重要意义。自动光学检测（AOI）设备是目前PCB瑕疵检测的主流设备,具有自动化程度高、检测效率高、精度高等优点。在AOI设备中,相机标定一般采用特定形状的陶瓷标靶作为标准件来实现。然而在实际检测中,陶瓷标靶往往需要人工进行安装调校,因此势必影响PCB自动化检测的连续性。同时,现有陶瓷标靶的世界坐标获取通常依据生产时的固定值,无法反映磨损等情况带来的影响,从而影响标定精度。此外,在AOI设备的检测环节,传统的目标检测算法对于小瑕疵往往无法精确检测。基于以上问题,本文设计并实现了基于Gerber文件的PCB瑕疵检测系统。主要研究内容与创新如下:（1）设计并实现了基于Gerber文件的PCB数字图像绘制模块。本文以Gerber文件规范为基础设计了相关的解析类,以正则表达式匹配算法为核心完成了Gerber文件解析模块,并根据此解析模块提供的数据对象实现了PCB标准数字图像的绘制。实验结果表明,该模块能够依据Gerber文件绘制较复杂的PCB数字图像。（2）创新了世界坐标获取方式,优化标定流程,实现了自动化相机标定。不同于传统的陶瓷标靶,本文设计并实现了以PCB标准样板作为标靶的相机标定方法。为保证标定精度,首先从绘制的PCB数字图像中提取世界坐标,同时对拍摄的PCB标准样板实物图像进行混合滤波去噪,然后通过设计相关硬件流程以及对传统标定方法进行改进,最终实现自动化相机标定。在世界坐标提取过程中,为获取图像的椭圆圆心角点,对传统的霍夫变换椭圆判别法进行优化,降低了参数维度,从而提升了提取效率。实验结果表明,本文所提算法效率相较于传统霍夫判别法提升了10倍,相机标定的重投影误差达到了0.0008像素级别。（3）对目标检测算法进行改进,进一步提升了系统检测精度。针对传统目标检测算法无法精确检测较小瑕疵的问题,本文对原生Faster R-CNN目标检测算法进行优化,将Resnet-101主干网络与FPN结构相融合,以取代原VGG-16主干网络进行训练。最后,将训练所得模型应用于经过相机标定参数矫正的PCB图像进行测试,以验证模型的瑕疵检测精度。实验结果表明,相较于原生Faster R-CNN目标检测算法,本文所提算法取得了8.7%的准确率提升。