贾正伟，黄海松，张松松

(贵州大学现代制造技术教育部重点实验室，贵阳 550025)

0 引言

PCB是目前电子行业里需求最大的产品，它被应用于各个领域，小到日常使用的手机、平板、电视，大到国防科技中的飞机、航母、导弹，这也使SMT产业迅速发展，PCB的种类、形态和尺寸也变得日新月异[1]。与此同时，PCB缺陷检测技术也在不断提升，从最初的人工目检到激光扫描，再到电气检测法和红外辐射检测，最后到目前最常用的基于机器视觉的检测技术，这些检测技术中，基于机器视觉的PCB缺陷检测技术具备实用性高、操作简单和检测精度高等优势，因此被90%以上的企业所使用[2]。

在基于机器视觉的缺陷检测技术中，存在着各类算法，他们有一个共性就是都存在图像处理技术，例如图像色差法(阈值分割)[3]、深度学习算法对样本图像进行训练和分类[4]、背景减法[5]和模板匹配算法[6]等，其中模板匹配方法在近几年取得了巨大成功。通过对上述技术的研究，他们都存在一个共同特点，就是处理的图像都为二值化图像，有些直接相机采集二值化图像，有些通过二值化处理得到二值化图像，最后在对二值化图像进行图像处理，其过程复杂繁琐，而且图像在采集和处理过程中受外界环境背景及噪声的影响较大，获取的有些二值化图像根本无法使用，尤其是深度学习方法，不仅需要庞大数量的样本图像进行训练，而且只能单独训练单一缺陷，工作量大，工程繁琐，最后很难应用于实际生产，只处于理论试验阶段。……