随着电子工业的迅速发展,电子产品已经十分普及,其印刷电路板（Printed Circuit Board,PCB）焊点质量直接影响电子产品的质量。为了提高电子产品的合格率,对其PCB板焊点进行缺陷检测也变得十分重要。为了提高检测准确率和检测效率,利用机器视觉实现自动检测,具有重要的理论研究和实际应用价值。本文基于机器视觉的焊点缺陷检测研究开展工作,检测的焊点类型为:多锡、少锡、焊锡合适和漏焊。通过搭建机器视觉系统,设计焊点缺陷检测总体方案,利用图像处理,详细研究了多曝光图像融合方法和PCB焊点缺陷的检测分类方法,论文主要工作如下:（1）机器视觉系统的整体设计。首先确定焊点类型的评估标准,设计焊点缺陷检测系统的总体方案。针对本文实验对象银行收纳所用的平板电路板,通过分析其形状和尺寸大小,对工业相机和光学镜头进行选型。然后分析了四种照明方式的特点和其适用场合,选择合适的光源,设计较好的照明方式。最后对运动控制系统中的运动控制器、步进电机以及电机驱动器进行选型,完成PCB焊点检测机器视觉系统的整体设计。（2）对多曝光图像融合方法进行研究。在图像采集过程中,针对其曝光不均匀的现象,提出基于细节保留的多曝光图像融合算法,对焊点图像进行融合。与常用的5种图像融合算法进行比较,通过主观方面和客观方面:信息熵和平均结构相似度两种图像融合质量评价指标,进行分析。结果表明,提出的方法能较好地保留原图像的细节信息。（3）对融合后的图像进行预处理与特征提取。图像预处理为对图像进行去噪、增强、阈值分割、形态学处理以及边缘轮廓提取。提出相关预处理方法,与多种常用方法进行对比,其处理效果较好。然后提取焊点图像的形状特征、纹理特征以及方向梯度直方图（Histogram of Oriented Gradient,HOG）特征参数,以进行后续的图像检测分类。（4）对PCB焊点缺陷检测分类方法进行研究。提出基于多特征的支持向量机（Support Vector Machine,SVM）多分类算法,首先对提取到的形状特征和纹理特征,比较不同核函数效果,采用最优核函数进行SVM分类,对PCB焊点的多锡、少锡、焊锡合适以及漏焊四种类型进行检测分类。针对误检的焊点,再利用基于HOG特征的SVM多分类算法对其进行二次检测分类,得到最终分类准确率。与常用的焊点缺陷检测分类算法进行比较,实验结果表明,本文提出的算法相比于其他分类方法,有更高的检测准确率,检测分类效果较好。（5）对PCB焊点缺陷检测系统进行软件设计。首先阐述了本系统软件的开发环境和实现功能,然后对系统软件进行整体设计以及说明本系统软件的操作步骤,最后进行分块测试。主要是对多曝光图像融合、图像预处理、图像分割、特征提取和PCB焊点缺陷检测分类等模块进行系统测试并分析实验结果。