随着社会经济的发展,印刷电路板(Printed Circuit Board,PCB)的应用日益广泛,对其质量要求也越来越高。针对人工目检劣势大及国外检测设备价格昂贵的问题,本文设计并搭建一套基于机器视觉的PCB缺陷检测系统。利用机器视觉技术结合数字图像处理技术,对图像定位校正、器件漏件缺陷检测及芯片极性缺陷检测等关键技术进行研究。完成主要研究内容如下:(1)分析基于机器视觉的PCB缺陷检测相关技术国内外研究与应用现状。结合检测系统的结构组成特点及缺陷检测技术上的不足,设计并搭建了应用机器视觉技术和图像处理技术的PCB缺陷检测平台;(2)针对传统定位校正方法准确率较低等问题,提出基于多方向改进Sobel算子的PCB图像定位校正方法。该方法采用多方向改进Sobel算子对PCB图像的G通道进行边缘信息提取;对边缘图像进行二值化处理,结合中值滤波提取图像轮廓,实现PCB区域定位;最后结合感兴趣区域采用仿射变换实现整幅图像校正,通过与现有图像定位校正算法进行对比实验分析,本文提出的PCB图像定位校正算法优于现有主要方法,有效地提高了图像定位校正的准确率;(3)针对目前应用于PCB缺陷检测系统的模板匹配方法及缺陷检测方法存在准确性不足的问题,本文提出一种基于改进模板匹配及图像差分法的PCB缺陷多级检测方法。首先,利用本文提出的改进模板匹配截取待测图像,针对PCB板中漏件缺陷,提出基于图像差分法的多级二值化检测法实现PCB图像的缺陷检测。结合实验平台测试发现,本文方法能够准确地提取出缺陷区域。与现有方法相比,该方法具有更好的稳定性以及更高的准确性;(4)针对PCB板缺陷检测中的芯片极性检测问题,提出一种结合感兴趣区域,改进模板匹配以及像素相加法的芯片极性检测方法,实现对芯片极性的检测。首先通过先验知识确定感兴趣区域,结合模板匹配实现对芯片位置快速准确地定位,随后引入直方图匹配及中值滤波对芯片图像进行预处理,最后利用图像二值化及像素相加法实现芯片极性判断。实验结果表明,本文提出方法在芯片定位及极性检测方面都有更高的准确性。通过实验对比分析发现本文提出的算法具有更高的有效性和可靠性,为后续功能扩展及现场环境下缺陷检测奠定基础。