FPC是印制电路板(Printed Circuit Board,PCB)的一种,具有轻巧、厚度薄、可挠性等特点。正是由于它的这些特点,在成品柔性电路板的制造流程中,产品很容易会受到损坏,所以,质检工作成为了制作流程中的一个关键步骤。当前现有的质量检测大部分靠员工肉眼来观察,这样不仅效率低,而且判断结果也很容易受到客观和主观条件的影响。本课题针对生产商提供的尺寸为250mm?185mm的基板上包含多条不规则线路的FPC,研究基于机器视觉的FPC缺陷检测算法的设计与系统的实现,实现实时把控质量、提高检测效率的目的,具有重要的应用价值。本文针对常见的FPC表面缺陷类型,基于现有的机械结构,针对FPC缺陷检测系统的总体需求,设计了工艺流程和总体方案,并完成了硬件部分和软件部分的联调与通信,实现缺陷检测的应用需求。然后,基于灰度信息的互相关性对样本图像和模板图像进行配准,针对整张FPC图片尺寸较大,传统的模板匹配算法对于旋转、平移后的图像不能很好地匹配到的问题,首先利用掩膜将每条线路提取出来,针对每条线路来进行图像配准,提高了匹配的准确率和速度;然后提出先做局部的模板匹配找出特征点;再根据特征点做仿射变换,实现样本图片与模板图片配准。接着,研究相关图像处理算法,针对线路缺陷和焊盘缺陷两类缺陷,设计基于参考比对法的FPC缺陷识别方法。样本图和模板图中因光线和尺寸差别,以及图像在采集、传输、成像等过程中产生的噪声,作差结果中会包含缺陷和非缺陷部分产生的差异,针对这个问题,本文运用了两次滤除过程,首先使用图像分割去除与缺陷灰度相差较大的差异部分,滤除了大部分的非缺陷部分后,留下小部分的非缺陷部分,且这些缺陷尺寸较小,再使用形态学处理进一步去除与缺陷的灰度相差不大的差异。最后统计分析两类缺陷的RGB颜色空间的R通道分量数据,实现缺陷分类算法。最后,根据需求分析和论文的研究目标,重点阐述了整个缺陷检测系统的组成、系统的工艺流程、缺陷检测流程、以及可视化界面,集成了FPC检测与分类、可追溯检测数据的可视化系统,经过实验,系统的检测精度达到0.1mm,漏检率小于1%,误检率小于3%,相对于传统检测方法提升了可靠性和高效性。