电子产品制造业是国民经济战略性、基础性、先导性支柱产业,电路板电子元器件高密度化和高效精密装配的技术需求,促使电子产品装配工艺中的视觉目标检测技术必须完成智能化转型升级。然而,在当前基于卷积神经网络的视觉算法中,由于缺乏对“小尺寸目标弱特征表示、网络内部可解释性机理和视觉场景不平衡问题”的深入研究,导致现有模型难以在电路板装配场景高准确度、轻量化和快速目标检测的应用需求下发挥优势,无法保障电路板装配工艺的品质与效率,进而影响电子产品的成本、可靠性和上市时间。在此背景下,本文以研究“基于卷积神经网络的电路板装配场景目标检测方法”为切入点,以涉及电路板装配工艺的表面贴装/混合装配场景和过孔装配场景中目标为检测对象,从卷积神经网络的数据层面、主干网、特征融合策略和检测头四个方面入手,为促进电路板装配向智能化、精密化、敏捷化的方向发展提供了一种重要的理论与技术参考。具体的研究内容与结论如下:（1）提出了一种基于多检测头的PCB电子元器件小目标检测方法针对电路板上电子元器件目标密度高、尺寸小而造成的检测准确度低问题,根据浅层检测头能有效表达小目标的弱特征原理,提出了目标尺寸-主干网特征保留对应关系量化方法,通过权衡目标尺寸和算力增加了对小尺寸目标敏感的检测头、多尺寸锚和特征融合路径。在自建电路板电子元器件联合数据集OPCBA-29（Objects in Printed Circuit Board Assembly,OPCBA）完成方法测试实验,结果显示目标尺寸-主干网特征保留对应关系量化方法能有效挖掘主干网中小目标的弱特征,使用基于多检测头的PCB电子元器件小目标检测方法模型,与原基准模型对比,29类电子元器件目标的平均准确度从77.08%提升到了93.07%。（2）提出了一种基于有效感受野-锚匹配的PCB电子元器件轻量化检测方法针对基于卷积神经网络主干网模型结构冗余、模型参数量大问题,根据解释开放型卷积神经网络内部推理决策可带来高可靠性、轻量化网络原理,设计了基于梯度反向传播的卷积神经网络不同深度层有效感受野尺寸的计算和可视化方法,提出了基于有效感受野-锚匹配策略的主干网模块化解构组合方法,利用该策略实现了主干网的模块重构。通过自建数据集OPCBA-29*完成方法测试实验,结果显示基于有效感受野-锚匹配的PCB电子元器件目标检测模型,与原基准模型相比,在29类目标检测上的平均检测准确度值达到95.03%,模型参数量仅为原参数量的35.61%,验证了基于内部视觉可解释性机理研究对主干网进行模块化重构,在提升检测准确度的同时,可实现模型轻量化。（3）提出了一种基于有效感受野-锚分配的PCB过孔装配场景目标检测方法针对PCB过孔装配场景待检测目标类间相似度高及类内差异性大,严重影响检测准确度的问题,根据对卷积神经网络内部精准可解释性分析可有效挖掘类间可分离特征和类内紧凑型特征原理,对检测头锚分配层的网格进行了有效感受野精细化分析,研究了检测头网格对应有效感受野放置不同尺寸锚时对目标检测效果的影响机制,提出了基于检测头有效感受野范围的精准锚分配方法以有效发现类间可分离特征和类内紧凑型特征。通过自建的数据集OPCBA-21完成方法测试实验,结果显示基于有效感受野-锚分配的PCB过孔装配目标检测方法与基准模型比较,在21类目标的平均检测准确度上从79.32%提升到了89.86%,验证了基于有效感受野的精准锚分配,在提高类间相似度高及类内差异性大目标检测准确度方面的有效性。（4）提出了一种基于平衡策略的PCB过孔装配场景快速精准目标检测方法针对影响PCB过孔装配场景目标检测速度和精准度的样本类别不平衡、目标尺度不平衡和正负样本不平衡问题,根据平衡策略可权衡检测精准度和检测速度原理,提出了训练集/验证集比例平衡划分方法,设计了平衡深层和浅层目标尺度信息的“相加”特征融合策略,提出了纠正正负样本不平衡和避免数据冗余问题的有效锚概念及求解方法。通过自建数据集OPCBA-21*完成方法测试实验,结果显示基于平衡策略的PCB过孔装配场景目标检测方法与基准模型相比,在21类目标上的平均检测准确度从89.78%提升到了94.25%,定位准确度从49.54%提升到了54.20%,平均每张测试图片正向推理时间从9.21ms降到了3.22ms,验证了基于平衡策略,在提高准确度和速度方面的有效性。本文源于智能化电路板装配场景目标检测的工程需求,利用卷积神经网络对“表面贴装/混合装配场景电子元器件目标检测”和“过孔装配场景目标检测”所涉及的关键问题开展了一系列的研究,以检测准确度、模型参数量和检测速度为评估指标,验证了所提出理论与方法的正确性与有效性。研究成果可延伸至不同领域的目标检测,为今后基于深度学习的相关视觉检测研究奠定了基础。