表面贴装技术(SMT)的迅速发展和普及,变革了传统电子电路组装的概念,为电子产品的微型化,轻量化创超了条件。目前大部分SMT设备已经进入较成熟的阶段,然而SMT产品的检测还处于相对较低的水平。印制电路板光学检测技术集成了图像处理与模式识别,是一种综合性很强的视觉处理技术,对其进行研究具有重要的现实意义和研究价值。目前许多印制电路板检测算法前人已经进行了一定的研究,本文在前人研究的基础上,重点研究了PCB常见缺陷(诸如短路、断路、毛刺等)的检测算法。首先,本文在对图像预处理算法分析的基础上,主要对包括灰度拉伸,图像平滑,图像锐化,图像二值化,图像配准等算法进行了改进。本文提出了自适应的灰度拉伸算法,并对掩膜滤波算法进行了对比增强处理,并且结合概率统计特性给出了改进的锐化算法,为了达到最佳的阈值分割,利用遗传算法对最大类间方差法进行了改进。其次,对图像进行了校准,并对模板匹配进行了实时性改进,且检测了线宽、线距,在此基础上利用形态学处理提取了图像特征。本文首先利用Hough变换对图像进行了校准,针对传统模板匹配的高实时性要求,主要从两方面进行改进:一方面减少模板内的计算,另一方面减少模板在缺陷图上的移动次数。针对模板匹配的高精度及高实时性要求,在自适应遗传算法改进的基础上,对模板匹配进行了改进。针对孤立点,进行了形态学处理。然后提取了图像特征,利用骨架信息对导线线宽、线距是否符合要求进行了检测。接着,本文分析了PCB缺陷检测的参考法和非参考法两种模式识别算法。参考法采用树形分类器,利用缺陷的特征,针对PCB板的短路,断路,毛刺,缺损,针眼和未焊等常见缺陷进行了分类识别。非参考法采用BP神经网络识别,针对BP网络算法易于陷入局部极小值点的缺陷,利用Cauchy分布对BP算法进行了改进。最后,基于上述研究编程实现了自动光学检测算法,实验证明算法具有较高的准确性、实时性和抗干扰能力。