随着各种电子产品更新换代的速度越来越快,在生产过程中电路板这一元器件的缺陷检测越来越重要。目前生产企业多采用光学检查仪器与人工检测相结合的方式,存在检测成本高,自动化检测过程不彻底的问题。近年来随着计算机图像处理的快速发展,基于机器视觉对电路板进行缺陷检测成为研究热点,本文针对某生产印制板企业的实际需求,提出了一种基于图像SURF特征的电路板缺陷自动检测方法,具有一定的实际应用价值。具体内容包括:本文利用摄像头在普通日光灯照射下获取任意角度摆放的电路板图像,针对图像获取过程中产生的噪声和图像中电路板位置的偏移问题,通过高斯滤波、中值滤波等方法进行噪声去除,利用霍夫检测直线的方法对图像进行角度倾斜的校正,并根据电路板背景的不同实现了两种分割方法,最终得到一个较好的图像预处理效果。本文利用SURF特征描述子对图像进行特征提取和匹配,针对匹配存在的误差利用RANSAC算法进行纠正,最终得出3*3的仿射变换矩阵,使得仿射变换后电路板图像有效部分形状变得一致,最后将标准图像与检测图像经灰度拉伸,gamma变换和腐蚀膨胀之后对图像相减并二值化,再将二值化部分进一步腐蚀膨胀消除细小误差后得到电路板缺陷部分。为了验证本文提出的缺陷检测方法的效果,本文使用Open CV开源视觉库,在Python语言环境下实现了整个检测的工程化封装,实现了从拍摄到缺陷检测的系统操作,并对系统的准确性和实时性进行了测试和评估。结果表明,本文提出的基于图像的电路板缺陷快速检测能够在较短的时间内得到良好的检测效果。