近年来，随着现代信息化水平的不断提升，人们对于电子产品的质量要求也越来越高。作为电子产品载体,印刷电路板（PCB：Printed Circuit Board）的质量检测也成为了电子制造行业非常重视的核心问题。传统的PCB缺陷检测是通过人工检测或是功能检测来实现，但是这类方法已经无法满足生产线上高速高精度的检测要求。为了提高缺陷检测的速度与精度，本文以PCB缺陷为检测对象，设计了一种基于机器视觉的PCB智能检测系统，实现了PCB缺陷的高速高精度检测。首先，通过介绍PCB及其缺陷检测的国内外发展现状，分析了PCB缺陷智能视觉检测的研究意义。设计了PCB缺陷智能视觉检测系统，并给出了该系统的总体结构和工作原理。文章通过对光学成像技术、机器系统以及电气控制系统三方面的研究，对PCB缺陷检测系统的关键技术有了更加深入的了解。其次，针对影响图像采集质量的各种因素，提出了图像预处理算法。在图像进行灰度对比度增强之后，采用中值滤波和bayes估计的小波混合去噪算法去除图像中的散粒噪声和高斯噪声。在充分考虑灰度与空间的关系以及算法复杂度的基础上，提出了一种基于二维最大类间阈值分割的快速迭代算法，准确的分割出了图像的背景区与目标区。然后，对PCB缺陷进行检测与识别。本文主要检测与识别两种类型的PCB缺陷：一种是通过待测PCB板与标准板或者伪标准板进行异或运算得到的短路、断路、毛刺等缺陷；另一种是采用模糊神经网络的分类算法来检测焊锡是否正常。最后，设计开发了系统的控制软件，提供了良好的人机交互界面，解决了实际调试中出现的问题，保证了系统的快速准确运行，实现了PCB缺陷检测系统的实时在线检测。