在电子组装过程中,炉前自动光学检测设备是检测PCB贴片缺陷的重要设备。然而,在使用现有的炉前自动光学检测设备时,如果产生不良产品,需要停机,人工分析故障类型,手动调整设备参数。未能将检测设备与贴片机有效结合,形成自动反馈系统。若要实现该反馈系统,就要求炉前自动光学检测设备在检测缺陷类型的基础上,定量化地输出元件位姿偏差。这就对炉前自动光学检测设备提出了新的要求。本文结合视觉技术与神经网络技术,提出了一套炉前PCB贴片缺陷检测方案。实现了检测炉前PCB贴片缺陷的同时,定量化地输出元件位姿偏差。本文的主要工作和创新点包括如下几个部分:（1）针对训练神经网络需要大量样本的问题,本文提出了一种样本提取和数据增强方案。该方案回答了如何获取高水平图像、如何实现图像配准、如何提取检测区域和如何实现数据增强等问题。实现了从初始图像到神经网络所需数据集的快速生成;（2）本文提出了一种基于全局灰度特征与局部纹理特征的炉前PCB贴片缺陷检测方法。该方法实现了准确率为99.81%的缺陷分类能力和准确率为91.09%的位姿计算能力。在计算贴片元件位姿时,本文提出了一种准确率更高、检测速度更快的改进的模板匹配方法。该方法通过计算更精确的掩膜,提高了目标元件处于图像边缘时的检测精度;通过对贴片元件上直线特征的检测、聚类、过滤和扩充等操作,求取了贴片元件旋转角度的先验知识,显著地减少了匹配模板的数量,提高了匹配效率;（3）本文提出了一种基于分类与回归神经网络的炉前PCB贴片缺陷检测方法。在更严格的标准下,该方法实现了准确率为99.60%的缺陷分类能力和准确率为99.98%的位姿计算能力;（4）本文设计了一种炉前PCB贴片缺陷检测原型系统。该系统集成了本文所述算法,验证了本文方案的可行性。