在智能电子设备的日益小型化、易携带、多功能化的发展趋势下,设备中的电子元器件逐渐趋于微型化和密集化,线路的复杂度和集成度也在不断提高,这就给自动化生产中的产品质量检测环节带来了极大挑战。而自动光学检测作为一种快速、无接触、高效的工业检测方法被广泛应用于如芯片、液晶屏、印刷电路板、精密组装等大批量工业生产线上的产品质量检测,因此对其进行研究具有重要的学术意义和实用价值。在工业自动光学检测中主要存在两大类问题:1.待测工件分类问题;2.待测工件中检测缺陷、零部件等对象的检出问题。本论文以自动光学检测技术中的核心部分:光学图像获取以及图像处理分析算法为主要研究内容。从图像集获取及预处理、低层次特征提取、高层次信息提取、目标识别及分类四个方面,针对TFT液晶屏面板中的集成电子线路分类和桥接线路中导电粒子检测两个项目进行了深入分析及研究,研究主要内容如下:1.针对存在着复杂形态元件以及随机形态缺陷的集成电子线路图像按照其是否具有数字背景进行分类。首先使用仿射变换、亮度调整、引入噪声等方法,将230张大小为2048*2048的集成线路图像集扩充为1840张大小为136*136的局部线路图像,其中包含1360张经手工标注类别的图像。然后对扩充后的图像集进行去均值、归一化、白化等预处理,由于其降低了不同光照强度的影响,同时还降低了像素间的相关性以及数据冗余度,因此使后续分类的准确率提高了约6%。之后通过设置不同结构和参数下的对比实验,分析得出最佳的特征提取及分类网络。实验结果表明,当使用方向梯度直方图和堆栈式降噪自编码网络进行初步的特征提取以及深层的特征学习后,在缩小训练集的情况下图像的分类准确率达到约98%,查全率、F-score及马修斯相关系数分别达到约96%、98%以及97%。2.针对桥接线路中的周期性纹理背景下导电粒子数量、大小以及位置分布的检测,提出了一种结合像素灰度值与灰度统计信息的高精度检测方法,解决了面板桥接线路中粒子密度较大区域的粒子相连或重叠问题。在对光源及光照度场进行分析后,构造高通滤波器对图像的不均匀低频光照度场进行抑制,然后为了减少噪声和纹理背景对导电粒子检测的干扰,同时使图像中的粒子细节得到增强并且与背景间的对比度显著增大,对图像进行平滑滤波以及卷积滤波增强等预处理,之后使用局部阈值分割结合形态学运算的方法、基于支持向量机的SIFT特征点聚类方法、以及结合像素灰度值与灰度统计信息的基于等价二进制模式图像的k均值聚类方法分别对导电粒子的数量、位置和面积进行检测实验。使用以上三种方法对获得的98张桥接线路图像中的导电粒子进行检测,漏检率分别约为20%、12%以及8%,其中第二种方法存在约6%的误检率。