随着电子技术的不断发展,印刷电子板(Printed Circuit Board,PCB)日渐趋小型化、高密度,市场需求量逐年上升。PCBA(Printed Circuit Board and Assembly)是指PCB空板经过上件或插件的整个制程,也指PCB制程完成后的产品。许多公司为了提高生产效率,引进了流水线式的焊接机来替代传统的焊接方法,但是在工厂生产环境下还是会出现许多异常焊锡,比如多锡、短路、锡尖等不良情况。本文对PCBA中DIMM SKT焊接过程中可能出现的不良焊锡进行分析,研究设计基于机器视觉的PCBA焊锡检测的软硬件系统与相应的图像算法。首先,论文介绍了当前自动光学检测、焊锡检测以及深度学习的发展现状。然后,通过对检测对象焊锡进行分析,设计了符合需求的图像获取装置,设计了焊锡图像的获取算法,挑选合适的卷积神经网络模型并进行改进,开发系统的软件操作界面。最后,对整个系统性能进行测试分析。在焊锡图像获取方面,结合系统设计的机构特性,针对性的开发了一个快速有效的图像拼接方式,利用MARK孔定位和仿射变换实现了焊锡图像的自动获取。在焊锡缺陷检测算法方面,研究了各种经典的卷积神经网络模型,选取准确率高的VGGNet进行改进,主要包括加入残差网络模块和用全局平均池化代替全连接层,并与经典网络模型进行比较,给出实验结果。最后,将整个系统在企业生产现场进行实地测试,对系统性能进行分析。结果表明,该系统针对PCBA焊锡缺陷检测的检出率达到了 98.9%,符合企业生产需求。