作为各种电子产品的基板以及载体,印刷电路板的加工质量会直接影响以其为核心的消费电子、汽车电子、通信光电等下游产业领域产品的可靠性与使用寿命。然而,在印刷电路板的生产制造过程中,受生产工艺、加工设备以及复杂生产环境的影响,缺陷的产生往往难以避免。因此,做好印刷电路板的质量检测,减小印刷电路板的缺陷漏检率以及误检率对印刷电路板的生产有着重大意义。一方面,可以有效检测出有缺陷的电路板,保证印刷电路板以及其下游产品的质量,避免缺陷产品流入市场;另一方面,可以通过缺陷检测的结果分析生产工艺、加工设备等可能存在的问题,从生产流程、制造工艺方面保证产品质量。目前传统的印刷电路板缺陷检测方式难以适应复杂生产环境下的检测,本文分别围绕噪声干扰下的缺陷检测问题、样本训练集与测试集数据分布差异大导致的跨域缺陷检测问题展开相关研究,并就基于深度学习的印刷电路板缺陷检测方法的实际应用进行相关软件系统的设计开发。主要内容如下:（1）针对因噪声的干扰导致的电路板缺陷检测困难的问题,提出一种基于多注意力机制的印刷电路板缺陷检测方法。分别在特征提取部分以及特征融合部分添加注意力机制,以对不同通道、不同区域特征的权重重新进行标定,使网络能够主动关注到缺陷特征,并增强其缺陷表征能力,以得到抗干扰能力强的特征表示,提升在噪声干扰下的缺陷检测效果。在噪声干扰下的印刷电路板缺陷数据集进行实验验证,平均检测精度达到92.4%,优于现有方法。（2）针对因印刷电路板版式差异大、受干扰程度不同等因素的影响造成训练集与测试集数据分布差异大导致的跨域缺陷检测困难问题,提出了基于解耦领域自适应的印刷电路板跨域缺陷检测方法。以有标签的数据作为源域,以无标签的需要检测的数据作为目标域数据,使用基于梯度反转的领域自适应,分别使用图像级特征以及实例级特征进行领域自适应判别,以拉近两域分布,获得两域所共有的域不变性特征;其次,利用解耦检测头对位置特征与类别特征进行特征解耦,使与域不变性特征强相关的类别特征得到更加充分的利用,增强对域不变性特征的有效提取,进而提升跨域缺陷检测能力。利用受不同程度噪声干扰以及不同版式的数据构建跨域数据进行实验验证,平均检测精度分别达到90.41%、90.9%,优于对比方法。（3）根据印刷电路板的工艺流程以及缺陷特点,分析印刷电路板缺陷检测系统的功能需求,设计并开发了集数据采集、数据管理、缺陷检测功能于一体的印刷电路板缺陷检测系统。该检测系统包含用户信息与电路板数据库的管理、数据的采集、数据浏览、缺陷标注等功能,同时实现了基于深度学习的印刷电路板缺陷检测,包括相应样本集的划分、标注格式的转换、检测模型的训练以及调用模型进行印刷电路板缺陷的智能检测。论文的末尾对全篇工作进行了总结,分别对噪声干扰下的、跨域干扰下的电路板缺陷检测问题以及基于深度学习的缺陷检测方法的实际应用问题进行研究,并对后续的相关研究进行了展望。