开关电子元器件是电子电路重要的组成元素,由于开关电子元器件种类繁多,生产工艺多样,目前主要采用电气参数检测和人工检测的方法。但是电气参数检测法只能针对成品进行检测,实时性差,人工目视检测法效率低下,长时间工作有可能造成误检和漏检,无法适应工业自动化生产的需求。因此研究一种实时性强,效率高,检测准确率高的检测方法十分必要。本文针对开关电子元器件生产过程中的一些主要工艺缺陷,分别研究了基于显示特征提取、基于卷积神经网络和基于双流卷积神经网络的开关电子元器件缺陷检测方法,最终构建了基于双流卷积神经网络的开关电子元器件统一检测网络框架。主要研究内容包括:针对绕线缺陷、注胶缺陷、引脚污损、焊接缺陷这四大类开关电子元器件生产工艺缺陷,设计了开关电子元器件主要工艺缺陷图片采集方案,通过数据增强,数据标准化制作了四个缺陷数据集,在其中焊接缺陷和引脚污损数据集中同一产品对应两张不同光照条件下采集的图片。研究了基于显式特征提取的开关电子元器件缺陷检测方法。针对各数据集中缺陷特征的不同表现方式,通过图像分割、图像滤波、形态学运算等算法,对缺陷数据集中缺陷特征进行提取,并通过对比提取的特征值与良品的标准值判断产品是否为良品。研究了基于卷积神经网络的开关电子元器件缺陷检测方法。利用VGGNet、Inception模块、残差块等经典的卷积神经网络结构,搭建了开关电子元器件缺陷的检测网络,在绕线缺陷、注胶缺陷、引脚污损和焊接缺陷数据集的测试集上分别取得了 99.86%、99.76%、99.66%和99.51%的最高分类准确率。研究了基于双流卷积神经网络的开关电子元器件缺陷检测方法。利用双流卷积神经网络的思想,将网络主体分为两个部分,使用两个网络分别处理数据集中同一产品对应的两张图片,并在网络后端融合两个网络。探讨了两分支网络融合的方法、融合的位置,并测试了其在焊接缺陷和引脚污损数据集上的分类准确率,在两个数据集上分别得到了最高99.88%和99.56%的分类准确率。最后选择了在全部四个缺陷数据集上都有较高分类准确率的网络结构作为分支网络,构建并训练了基于双流卷积神经网络的开关电子元器件统一检测网络框架,在测试集上获得了 99.52%的分类准确率。