柔性印制電路板是剛性印制電路板(Printed Circuit Board,PCB)中相對高端的產品，現代的FPC檢測方法主要基于機器視覺的原理，自動光學檢測(Automatic Optical Inspection,AOI)技術可以無接觸地檢測FPC表面缺陷，不會對FPC造成二次傷害，是當前FPC缺陷檢測的熱點研究方向。

  雖然基于深度學習的檢測方法目前已有較多研究，但由于難以收集并標記大量缺陷訓練樣本，因此目前用于FPC板的視覺檢測算法大部分仍是數字圖像檢測法，即直接采集特定部分的圖像，然后根據電路板上特定組成部分的顏色、灰度及紋理等特點在劃定區域內檢測缺陷，如Rau等人將標準參考圖像與待檢圖像做圖像減法來確定是否存在缺陷，接著提出邊界狀態轉移法對缺陷進行識別；Silva提出了粒子分析方法，可快速檢測焊接鍍通孔元件焊料的缺陷。Wei-ChienWang利用模板匹配的思想，全面檢測電路板上鍍通孔部位的缺陷。VikasChaudhary利用圖像配準技術實現PCB線路、焊盤及鍍通孔等部位的14種缺陷的檢測識別。

  上述處理技術在實際實現時多是跳過了定位步驟直接采集目標部位的圖像，然后進行后續檢測步驟，但在實際生產過程中，我們每次拍照都只能獲FPC板的整體圖像，難以直接定位到特定部位并進行圖像采集，因此上述算法無法直接運用于生產過程中的缺陷檢測。

  針對這一問題，將微分幾何理論和方法用來描述FPC圖像輪廓：對經過灰度化預處理后用區域生長的方法提取出的FPC圖像輪廓，采用雙向差分法計算其離散曲率，定義曲率距離特征并據此計算陸地移動距離，最終達到對FPC特定區域的識別。該方法是通過對FPC表面各組成部分的形狀進行探究，利用曲率特征進行相似性度量，能在不依賴大量缺陷樣本的基礎上較為精確地實現FPC不同缺陷部位的識別，實時性高，能滿足企業在FPC缺陷檢測方面的實際需求。