随着印刷电路板组装技术向着高密度化和“零缺陷”方向发展，市场对自动光学检测系统的要求也向高准确率、智能化方向发展。因此焊点缺陷检测技术成为研究领域的一个研究热点。选取合适的图像边缘特征提取方法和识别方法是基于图像处理的焊点缺陷检测技术的关键所在，能否提取出有效的特征信息是焊点缺陷检测的前提条件。首先，本文在原有的小波理论的基础上提出了一种改进的小波增强算法。该方法采用了分段线性形式的增强函数，只将某一有用部分系数增强，而增强函数是随尺度不同而自适应选择的。实验结果表明，改进的小波增强算法减少了计算量，更好的体现了小波系数的细节部分，更有效的提取出PCB焊点的特征信息，提高了缺陷的识别率，得到了令人满意的结果。其次，在以上提取有效特征的基础上，利用BP神经网络、RBF神经网络、一对多SVM分类方法和二叉树SVM分类方法对提取出来的焊点特征向量进行识别。通过比较它们的测试结果可以发现当样本数量较少时，支持向量机方法的识别率较高；当样本数量足够多时，神经网络方法的识别率要比支持向量机方法略高一些。最后，本文在前面一系列的焊点缺陷检测软件的开发基础上设计了一个焊点缺陷检测系统界面，可以使用户能够更直观的了解焊点的特征提取和缺陷识别过程，并能根据自己的需要设定参数，给用户创造了一个更方便、快捷的操作平台。