检测具有特殊空间结构的IC板引脚焊点缺陷时, 相机镜头相对于引脚平面会有一定的倾斜角度, 在特定的范围内获取图像清晰, 超过此范围图像出现离焦模糊。针对此问题进行了研究, 建立了景深的数学模型, 推导出合理拍摄角度的公式, 并通过实验进行了分析和验证。

为了提高在线自动光学检测系统(AOI)的自动化程度，提出了一种基于增量聚类的智能焊点检测方法。首先，设计了在线智能AOI的系统框架。然后，根据焊点外观进行归纳分类，将关键子区域的面积特征应用于焊盘特征的量化与提取，将每类样本聚类为若干子类从而实现对多批次焊点的检测。最后，提出一种增量聚类算法，在线检测过程中系统可根据人工维修站反馈信息自动学习新的样本并调整相关检测参数。为了提高增量学习的效率，每次增量学习之前选择少量代表样本用于增量学习。采用提出的AOI系统检测焊点，准确率可达96.5%，平均每个焊点耗费9.3 ms。结果表明，本文提出的检测方法不仅可以对多批次的焊点缺陷进行有效识别，且对生产中工艺条件的变化有自适应能力，智能化程度较高，具有较强的实用价值。

通过分析由三色LED环形结构光源和3-CCD彩色相机获取的印刷电路板(PCB)焊点图像特征，设计了一种PCB无铅焊点假焊的检测方法，以提高自动光学检测系统检测焊点质量的准确率,降低误判。该方法通过对焊点及其元器件的定位，采用重心法检测假焊；根据焊点及元器件的边缘确定焊点区域及元器件区域，采用面积法二次检测假焊；最后，采用提出的色彩梯度法，检测剩余的假焊焊点。基于以上三步骤，实现对整张PCB焊点假焊的检测。实验结果表明，采用重心法、面积法及色彩梯度法相结合的方法，可检测出PCB焊点的假焊，检测准确率为99.2%。

为了提高在线自动光学检测(AOI)系统检测印刷电路板(PCB)焊点的准确率和速度，对PCB焊点进行了研究。通过研究由特定结构光源和3CCD彩色相机获取PCB焊点图像，基于常见的良品、多锡、少锡、假焊等焊点类型，提取焊点图像关键子区域的面积特征。在此基础上，建立了5种焊点类型的特征矩阵模型，并以同类焊点相似程度最大为原则，设计了检测焊点的模式匹配算法。此外，给出了一种参数自适应方法对各检查项所用到的阈值参数进行学习与校正。在实验研究中，对含有1 040个Chip焊点的PCB进行了检测，结果显示提出的算法对焊点检测的准确率可达96.5%，检测所用时间为9 s。研究结果表明，本文算法具有较高检测准确率和检测速度。

为了提高自动光学检查(AOI)系统的性能,对AOI光源进行了研究。介绍了AOI光源的结构设计方法,光源由红、绿、蓝3种不同颜色,不同照射角度的LED阵列组成。然后,建立了光源的照度模型以及焊点的反射模型。最后,根据简化的照度模型对光源的几何参数进行优化。仿真和实验结果表明,所设计的光源在检测无铅焊点时同样有效,并能使不同类焊点间的特征距离更大,最大为半球形光源照射下的11.88倍,从而提高了特征在无铅焊点缺陷检测的分辨能力,验证了光源设计的有效性。