[发明专利]电子元件极性的识别方法和系统、标注方法和系统

权利要求书

1.一种电子元件极性方向的识别方法，其特征在于，包括以下步骤：

获取包含目标电子元件的图像；

使用训练后的卷积神经网络对所述图像作前向计算，得到所述目标电子元件属于各类电子元件的各种极性方向类别的概率分布；其中，所述各种极性方向类别包括多种电子元件的极性方向类别；所述前向计算包括对所述目标电子元件的极性方向进行识别；

选取概率最大的极性方向类别作为所述目标电子元件的极性方向类别。

2.根据权利要求1所述的电子元件极性方向的识别方法，其特征在于，在所述获取包含目标电子元件的图像的步骤之后，包括以下步骤：

获取所述目标电子元件的模板图，以所述目标电子元件的模板图对所述图像中的目标电子元件进行匹配，获得所述图像中的目标电子元件的精确位置，根据所述精确位置对所述图像中的目标电子元件进行调整，使所述图像中的目标电子元件位于所述图像的中心，调整后的图像供所述训练后的卷积神经网络作前向计算。

3.根据权利要求1所述的电子元件极性方向的识别方法，其特征在于，所述训练后的卷积神经网络通过以下步骤获得：

建立各类电子元件的各种极性方向的图像样本集；

通过预设的外部数据集预训练卷积神经网络，其中所述外部数据集包含多个类别的多张已预先标注的自然图像；

根据所述图像样本集，对预训练后的卷积神经网络进行调整并作进一步训练，得到所述训练后的卷积神经网络。

4.根据权利要求3所述的电子元件极性方向的识别方法，其特征在于，建立各类电子元件的各种极性方向的样本集的步骤包括以下步骤：

获取PCB板卡图像和PCB模板图，并以所述PCB模板图为参考，对所述PCB板卡图像进行位置配准；

截取位置配准后PCB板卡图像上的各类电子元件图像，以所述PCB模板图中的各类电子元件对所述各类电子元件图像中相应的电子元件进行匹配，获得所述各类电子元件图像中相应电子元件的精确位置，根据所述相应电子元件的精确位置对所述相应电子元件进行调整，使所述相应电子元件位于各类电子元件图像的中心，获得所述各类电子元件的各种极性方向的图像样本集。

5.根据权利要求3所述的电子元件极性方向的识别方法，其特征在于，所述通过预设的外部数据集预训练卷积神经网络的步骤包括以下步骤：

用所述外部数据集对卷积神经网络进行预训练，使卷积神经网络学习各层次的通用图像特征，获得预训练后的卷积神经网络的初始参数值。

6.根据权利要求5中所述的电子元件极性方向的识别方法，其特征在于，所述根据所述图像样本集，对预训练后的卷积神经网络进行调整并作进一步训练的步骤包括以下步骤：

根据所述图像样本集，将所述初始参数值中的预训练后的卷积神经网络的最后一层节点数调整为各种电子元件的各种极性方向的类别数，并对调整后的卷积神经网络作进一步训练。

7.一种电子元件极性方向的标注方法，其特征在于，包括以下步骤：

根据权利要求1至6中任意一项所述的电子元件极性方向的识别方法确定的目标电子元件的极性方向，在板式文件中标注所述目标电子元件的极性方向信息，所述板式文件用于保存电子元件的各种属性信息。

8.一种电子元件极性方向的识别系统，其特征在于，包括：

获取单元，用于获取包含目标电子元件的图像；

计算单元，用于使用训练后的卷积神经网络对所述图像作前向计算，得到所述目标电子元件属于各类电子元件的各种极性方向类别的概率分布；其中，所述各种极性方向类别包括多种电子元件的极性方向类别；所述前向计算包括对所述目标电子元件的极性方向进行识别；

选取单元，用于选取概率最大的极性方向类别作为所述目标电子元件的极性方向类别。