我国是PCB生产印刷大国,在工业生产印刷式电路板时,对PCB贴片焊接质量的实时检测是其中一个重要环节。焊接质量好坏与否是直接关联到产品的品质问题,所以实现PCB焊接质量检测的技术研究是众多PCB板生产商迫切要解决的问题。本文主要针对PCB贴片区域存在的缺陷问题展开研究,缺陷问题主要包括:元件错位、极性相反、缺件、焊点缺陷等。以下是本文主要研究内容:首先,通过分析各类元件焊接的质量检测标准,设计出合理PCB质量检测方案,并且根据各类图像采集的硬件设备的参数,选择了合理的相机型号;同时进一步通过分析检测方案对图像的要求,设计了合理的图像预处理方案。其次,针对电子元器件的种类日益增多,使得同时判断是否存在焊接缺陷问题愈发困难,单纯通过面积和外观形状也难以适应复杂检测。而且根据普通单一特征无法对焊接质量做出很好判断的问题,本文提出了多特征提取方案,配合主成分分析法对冗余特征进行筛选。实验表明,本文所用方法不仅质量判定更准确,在训练和识别的时间上也有优势。最后,通过研究各类图像识别的分类算法,其中主流的神经网络识别分类算法,在多种类识别上分类效果优异,但是许多效果较好的深度学习神经网络需要大量的样本集和机器算力支持。考虑到厂商的设备性能和提供数据集数量的限制,神经网络也是很难达到很好的效果,所以本文结合实际情况采用SVM分类方案。而针对不同类别的元件信息差异会对焊接质量的判断造成干扰这一问题,本文提出多通道单分类方案,预先对PCB进行结构性的分割,针对每类元件焊接区域图像设计一个SVM单分类通道,判定焊接是否合格,以此判定PCB的焊接质量。实验表明,多通道单分类的检测效果比一次性多分类的效果好。根据对实验数据的统计,本文提出的多通道PCB质量检测在整体检测效果上取得了94.5%效果。本文提出的方法也可适用于其他产品检测领域,比如印刷品质量检测应用等。