[发明专利]一种基于卷积神经网络检测电路板元器件极性方法和装置

权利要求书

1.一种基于卷积神经网络检测电路板元器件极性方法，其特征在于，包括以下步骤：

S1：调整相机的安装高度以及拍摄参数，同时调整照明光源的光照强度；

S2：选取一定数量极性正确的电路板并建立极性正确的目标元器件图像数据库；

S3：选取一定数量极性错误的电路板并建立极性错误的目标元器件图像数据库；

S4：将所述步骤S2和所述步骤S3所得的极性正确和极性错误的电路板的所述目标元器件图像作为卷积神经网络的输入图像进行训练优化，得到最优化的极性特征分类器；

S5:所述相机对待检测电路板拍摄并进行高斯滤波处理得到待测目标元器件图像，所述极性特征分类器对滤波后目标元器件图像判断得到最终检测结果；

S6：判断后的所述目标元器件图像又作为所述极性特征分类器的学习对象，进一步优化极性特征分类器。

2.如权利要求1所述的方法，其特征在于，所述步骤S2进一步包括以下步骤：

S21：将若干数量元器件极性正确的电路板经过传送带传输且被所述相机拍摄图像；

S22：将所述相机拍摄的图像经过高斯滤波，消除图像噪声；

S23：选取摆放最规整的电路板图像作为模板，将每个正确样本电路板上的目标元器件与模板上目标元器件进行角点匹配后切割出来并予以保存。

3.如权利要求2所述的方法，其特征在于，所述步骤S3进一步包括以下步骤：

S31：将若干数量元器件极性错误的电路板经过传送带传输且被所述相机拍摄图像；

S32：将所述相机拍摄图像经过高斯滤波，消除图像噪声；

S33：选取摆放最规整的电路板图像作为模板，将每个错误样本电路板上的目标元器件与模板上目标元器件进行角点匹配后切割出来并予以保存。

4.如权利要求3所述的方法，其特征在于，极性正确的电路板和极性错误的电路板数量均为100个。

5.一种使用如权利要求1至4所述基于卷积神经网络检测电路板元器件极性方法的装置，其特征在于，包括将电路板从一端向另一端输送的传送带，所述传送带顶面依次放置有多个电路板，所述传送带上方设有相机与计算机电连接，所述计算机还与显示器电连接。

6.如权利要求5所述的装置，其特征在于，所述相机与电路板之间设有照明光源发出光线照射于电路板表面。

7.如权利要求6所述的装置，其特征在于，所述相机为CCD工业相机。