随着智能制造的发展,工业生产过程的自动化程度也越来越高,自动化检测技术的应用也越来越广泛。作为电子产业中重要的元器件,PCB的生产也越来越广泛的采用基于视觉的自动化检测。但随着生产水平的提高,对生产标准提出了更高的要求。对于缺陷检测系统来说,除了完成产品缺陷的检测,还应该对生产过程的数据进行管理,帮助分析改进生产过程。因此,针对相关需求,设计并实现了一个基于机器视觉的PCB表面缺陷检测系统。PCB表面缺陷检测机器视觉系统基于机器视觉在缺陷检测上的研究以及相关软件系统的应用现状,针对现有系统的不足以及新的市场需求对系统进行设计。在算法的设计上,采用了传统机器视觉算法和深度学习结合的方法,通过传统的机器视觉算法完成缺陷的检测,通过基于Res Net的深度学习方法完成缺陷的类型分析,使得算法在保证检测效率的同时能够有较好的性能表现,满足生产应用需求。其次,PCB缺陷检测软件系统设计和实现结合了C/S和B/S架构,通过Py Qt客户端软件完成生产线的缺陷检测任务,然后,通过RESTful API的方式将检测数据上传至后端管理保存。通过基于B/S架构的后端数据管理系统能够对生产过程的数据进行实时监控以及管理分析。通过产线上的自动化检测以及对生产数据的管理分析,保证了生产过程的质量,同时,通过对生产数据的管理,帮助企业能够更好的管理以及改进生产过程。PCB表面缺陷机器视觉检测系统为基于视觉的PCB缺陷检测以及相关生产管理提供了一套完整的解决方案,能够帮助完成PCB的表面缺陷的自动化检测,同时,能够对生产过程的数据进行管理和分析,帮助企业更好的管理和改进生产过程,提升企业的生产力。