随着半导体设计和制造技术的日益发展,电路板也朝着高密度、多层数、高性能等方向发展。电路板焊接是大批量进行的,现代生产质量管理又要求对零部件和产品进行百分之百的质量检验,而非抽样检查,单靠人工检测或传统的在线测试仪已无法适应现代电路板焊接缺陷检测的需要。近年来,计算机图像处理、模式识别和人工智能技术的发展极大地推动了机器视觉的发展及其在集成电路芯片自动检测中的应用。虽然电路板视觉检测系统在美国和日本等国的电子制造业中得到了广泛应用,但国内对于这方面的研究仍然停留在一个相对初期的水平。现有的电路板视觉检测系统大多是进口的,由于进口设备价格昂贵,给国内生产厂家带来了巨大的经济压力,而且这些设备往往不适合国内操作人员的习惯,在使用过程中其功能不能被充分利用,造成了资源的极大浪费。为此,现在各电子生产厂家都迫切需要一种具有自主知识产权的视觉检测设备,以改变人工检测的落后局面。一个典型的机器视觉检测系统主要由图像获取系统、图像处理、识别系统以及反馈控制系统等四部分组成,其最基本的任务是图像识别。视觉检测系统中图像识别的核心是检测算法。本课题主要研究加载电路板视觉检测算法,研究重点为以下三个方面的内容:1.研究了线性和非线性最小二乘法理论,提出了基于最小二乘法拟和的圆形焊点形状检测算法,并在实际电路板和数码相机采集系统中得到验证。该算法适合于双列直插元件电路板的焊点故障检测与分类。2.在理解计算机图像学和图像处理理论的基础上,利用Hough变换和连通域搜索的概念,提出了基于Hough变换和连通域搜索检测导线短路与断路的诊断算法,并在实际电路板和数码相机采集系统中得到验证。该算法广泛适用于各种电路板的装配及焊接过程中引起的导线故障。3.利用图像相关函数及图像匹配方法,提出基于图像匹配的电路板装配故障检测算法,并在实际电路板和数码相机采集系统中得到验证。该算法适用于装配过程中元件漏装和倒装故障检测。