[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

说明书

技术领域

本发明涉及机器视觉检测技术领域，特别涉及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。

背景技术

近年来，随着电子技术不断发展，印刷电路板作为电子技术的重要组成部分也得到迅速发展，但电路板中具有方向的电子元器件的极性方向是否正确是决定电路板质量的因素之一。

由于电路板生产过程中，可能存在各种不良因素影响，电路板上的部分元器件可能出现方向不正确的现象，而这种缺陷却成为电路板的致命因素，影响电路板的最终质量。因此，为保证印刷电路板质量，对电路板进行缺陷检测是必不可少的，而其中元器件的极性就是缺陷之一。现有生产过程中，许多厂家会雇佣一大批人对电路板元器件的极性进行人工检测，但人工检测不仅效率低而且由于工人缺乏经验，容易在电路板检查过程中出现漏检、错检等现象，因此最终也并不能完全保证电路板的质量。

为了解决上述人工检查电路板过程中存在的问题，宿鸣明的硕士毕业论文《电路板元器件的检测与识别》通过边缘提取电路板元器件的边缘特征，然后利用哈夫变换提取直线特征再与标准信息进行比较来判断元器件的极性，但这种方法处理速度慢，出错可能性高。因此，使用具有可靠的算法去检测电路板元器件的极性对提高检测效率具有极其重要意义。

发明内容

本发明的主要目的是提出一种快速、精准、可靠的基于卷积神经网络检测电路板元器件极性方法，本发明还提出一种使用基于卷积神经网络检测电路板元器件极性方法的装置，旨在加快电路板元器件检测的速度。

为实现上述目的，本发明提出的一种基于卷积神经网络检测电路板元器件极性方法，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。

优选地，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。

优选地，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后，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。

优选地，极性正确的电路板和极性错误的电路板数量均为100个。

本发明还提出一种使用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，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。

优选地，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。

优选地，所述相机为CCD工业相机。

本发明技术方案相对现有技术具有以下优点：

本发明技术方案使用卷积神经网络方案，通过对一批极性正确以及极性错误的元器件进行深度学习，训练出最优化的特征分类器，其中训练过程只需进行一次，然后再通过特征分类器对待检测的电路板元器件的极性进行检测以获得结果。

本发明技术方案对待测电路板的元器件的扫描速度较快，稳定性较好，不仅能够提高处理目标元器件的处理速度，使得检测效果更好，算法也更加稳定。

附图说明