为了保证空间电子设备电路模块的长寿命和高可靠,工业界现已广泛采用自动光学检测技术对电路板进行质量检测。自动光学检测技术(Automated Optical Inspection,AOI)是指用光学成像技术获取被检测物的数字图像,然后通过数字图像处理技术实现对被检测物的检验、分析和判断。为了缩短检测的取像时间,提高检测速度,必须对自动光学检测的取像路径进行规划。本文通过研究自动光学检测系统取像设备的工作原理,将取像路径规划问题归结为聚类问题与拍摄点访问序列排序问题相结合的组合优化问题。其中,访问点序列排序子问题可视为旅行商问题( Traveling Salesman Problem,TSP),直接利用现有的算法即可解决,而聚类子问题区别于经典的聚类问题,需要对现有的聚类算法进行改进。通过讨论现有的改进聚类算法,针对本问题存在的缺点,本文提出了一种启发式的聚类算法,解决了现有算法依赖于初始聚类分布的问题。由于分步解决的方法易于陷入局部最优解,本文提出了一种基于混合遗传算法(Hybrid Genetic Algorithms,HGA)的集成优化方法,利用其全局寻优能力,在一次优化过程中,同时完成聚类和访问序列排序的优化,得到一个全局最优解。通过对编码方式、适应度函数及遗传操作等的重新设计,并采用自适应的参数设计方式及结合模拟退火算法思想,得到了一个针对本问题的改进的混合遗传算法。通过仿真实验验证了算法的可行性和有效性。完成对电路板焊点的检测,需要设计焊点定位方法。本文通过讨论几种定位圆识别方法的优缺点,选择采用快速Hough变换的方法进行定位圆识别来完成电路板位置校准,并在位置校准的基础上进行焊点位置范围的固定。本文分别针对两种不同的取像方法提出了焊点定位方法,并对其中基于路径规划算法的焊点定位法设计焊点定位系统的处理流程,并在实际系统中验证所设计的算法及流程。通过仿真实验,对实际电路板图像进行焊点定位,达到了预期的目标。