随着生产技术的提高和表面贴片安装技术的使用，贴片产品向层数更多、体积更小、密度更高的方向发展，安装生产实现了自动化，但这也使贴片产品的质量检测成为一件非常困难的工作。传统的检测技术在检测能力和速度上都不能满足生产的需要，基于计算机与图像处理技术进行的贴片产品缺陷自动视觉检测的研究开始成为贴片产品缺陷检测的热门方向。本文对贴片产品缺陷检测技术中的特征选择和分类器设计进行了研究。第一章对贴片产品的检测技术作了回顾分析，介绍了目前的国内外现状，说明了论文研究内容具有的积极意义；第二章介绍了在微电子表面组装技术中应用的自动光学检测技术与系统的基本概况，同时分析了贴片产品缺陷检测系统的构成及其特点，并就部分设备的选择进行了研究；第三章以MATLAB为仿真平台，介绍了多种图像处理方法和特征提取方法，并利用图像处理技术和特征提取方法检测几种常见的缺陷，如缺件、未对准和极性错等；第四章对器件型号进行检测，研究了基于小波变换和字符粗网格进行特征提取的字符识别方法，实验证明：利用小波变换具有检测信号突变特点及多尺度分析的能力来进行字符识别是有效的；第五章提出了一种基于多特征AdaBoost的贴片产品缺陷检测算法和一种快速的类分布不平衡下的分层检测方法，Adaboost方法可以在仅比随机预测略好的弱分类器基础上构建高精度的强分类器，本文利用BP神经网络做弱分类器的设计，用AdaBoost对弱分类器进行提升进行强分类器的设计来检测缺陷。实验证明：基于AdaBoost的贴片产品缺陷识别算法可行性好，具有较高的识别率和泛化能力。