电子产品微型化的发展趋势使得印刷电路板(Printed Circuit Board,PCB)的生产制造工艺日趋复杂,进而对产品的质量检测也提出更高要求。机器视觉检测技术以其速度快和非接触等优点给PCB批量化生产中的高效检测提供了可能。但现有与之相关的图像处理算法还很不完善,在具体应用中仍存在可靠性差、易受环境干扰、检测正确率不高等问题。同时,多数算法只能处理灰度图像,限制了PCB视觉检测技术优势的发挥。对此,本文从提高检测准确率及算法通用性和稳定性角度考虑,提出了专门针对PCB彩色图像的缺陷检测算法,从而实现对PCB生产缺陷的高效检测。在图像预处理方面,本文结合PCB彩色图像的自身特点,分析了RGB色彩模型对图像处理的局限性,选择在CIE L*a*b*色彩空间中对图像进行预处理;采用双边滤波算法对图像进行降噪,有效保护了图像边缘细节信息;通过对比三种方法的分割效果,选择使用K-均值聚类法对图像中的布线层和焊盘区域进行精确分割,以减少后续计算量。在缺陷特征提取方面,着重分析图像中边缘像素的梯度方向分布和局部二值模式(Local Binary Pattern,LBP)信息,从中发现了缺陷位置的典型图像特征,即在一定邻域范围内,边缘像素的梯度方向分布比较混乱,对应的LBP特征多为非等价模式。本文由此提出邻域梯度方向信息熵的概念和改进的局部二值模式算法,用于量化描述缺陷信息,两者共同构成感兴趣区域像素的特征向量。在缺陷识别方面,算法采用支持向量机(Support Vector Machine,SVM)分类器对特征模式进行二分类,使用训练后获得的分类器从目标区域中提取缺陷位置像素点作为检测结果,为直观显示缺陷信息,又对缺陷区域进行了定位。通过编程对算法进行软件实现,验证了两个特征提取算子的实际性能。对PCB图像的实验结果表明:本文提出的视觉检测算法对短路、断路、划痕、孔洞、余铜、毛刺、缺口等多种PCB缺陷的综合检测正确率达到98%以上。算法对环境光照和检测对象摆放角度的变化不敏感,鲁棒性较强,能够满足PCB缺陷的检测要求,通用性较强。