【摘要】针对印刷电路板（ＰＣＢ）生产中缺陷种类繁杂，传统的检测方法效率低下、准确率低的问题，本文提出一种基于深度学习和机器视觉的人工智能缺陷识别技术。 首先，搭建标准化数据采集平台，构建ＰＣＢ缺陷图像数据集；采用图像增强、去噪、数据集扩充等预处理方法提高数据质量；设计改进目标检测算法（ＹＯＬＯｖ８）和特征匹配型机器视觉算法，形成“双算法融合”识别框架；完成系统硬件部署、软件开发后，利用准确率、召回率等指标对识别框架的性能进行评估。 实验结果表明：该系统可以识别短路、断路等８类常见的ＰＣＢ缺陷，平均识别准确率为９８.３％，可以满足工业生产实时检测需求，为电子制造业的质检升级提供技术参考。