随着科学技术的不断进步,各类电子产品层出不穷,对电子产品的质量要求也越来越高。电子产品在焊接过程会出现各种缺陷(如漏焊、焊锡粘连等),因此,对焊点进行缺陷检测是必不可少的。传统的检测方法多是基于人工检测,效率低、准确性差,深度学习技术与机器视觉相结合进行缺陷检测的方法可以弥补这些缺点。本文基于卷积神经网络提出了一种焊点缺陷检测算法,该算法首先对缺陷部位进行粗定位,确定缺陷位置信息,然后对缺陷部位进行精准的语义分割。本文算法由特征提取网络、区域建议网络以及语义分割网络三个部分组成,算法的整体流程是先通过特征提取网络对图像进行特征提取,然后使用区域建议网络进行缺陷部位粗定位,得到缺陷部位的位置信息,将缺陷部位的位置信息传输到语义分割网络,对其进行精准的像素级分割。本文对焊点缺陷进行了定义,使用labelme工具对原始图像进行了标注,同时为了更好的对网络进行训练,使用数据集增强方法对数据集进行了扩充。本文针对算法运行速度进行了优化,使用通道分离卷积和单点卷积组合的方式替换了卷积计算过程、上采样操作和通道卷积组合方式替换了反卷积计算过程,在一定程度上降低了网络的计算量,缩减了网络的检测时间。本文在自建数据集上对算法进行了实验,其准确率最高到达了98.4%,证明了本文所提出算法对焊点缺陷检测的有效性。