[发明专利]基于集成多目标回归链的视觉印刷机纠偏位姿预测方法

说明书

本发明公开了一种基于集成多目标回归链的视觉印刷机纠偏位姿预测方法，包括步骤：1)获取视觉印刷机纠偏过程中的历史数据，即样本数据；2)对样本数据进行预处理，切分训练集和测试集；3)利用训练集建立多目标回归链的视觉印刷机纠偏位姿预测单链模型；4)在单链预测模型的基础上建立的集成多目标回归链的视觉印刷机纠偏位姿预测多链模型；5)根据测试集对集成多目标回归链的视觉印刷机纠偏预测模型进行误差评估。本发明通过回归预测的方法，准确预测全自动视觉印刷机纠偏后PCB相对模板的位姿，可利用预测位姿在对位纠偏中进一步补偿，降低生产过程中繁琐的标定步骤，同时可适应在不同时期视觉印刷机设备状态变化，有利于提高视觉印刷机精度和稳定性。

技术领域

本发明涉及视觉印刷机定位纠偏和纠偏补偿等技术领域，尤其是指一种基于集成多目标回归链的视觉印刷机纠偏位姿预测方法。

背景技术

全自动视觉印刷机是表面贴装技术(Surface Mount technology，SMT)生产线的关键设备之一，其印刷效率与精度是影响SMT生产线的效率与印刷产品质量的主要因素。锡膏印刷品质是影响SMT产品质量的重要因素之一，据统计，电路板缺陷中约有70％可以追溯到锡膏印刷不良。随着科技的不断进步，电子产品向微型化、高密度、零缺陷的方向发展，印刷机的精度及稳定性要求也越来越高。

目前，现有视觉印刷机由视觉对准系统，印刷系统和纠偏算法模块等组成。系统的定位误差、机构制造和装配误差以及视觉对准系统的纠偏误差等因素，大大制约了印刷精度的提高。设备中存在多种误差，粗大误差如运动轴的传动比误差、像素当量误差等，系统误差有运动模型的结构参数误差、结构间隙等，随机误差包含相机的重复匹配误差、运动轴的重复定位误差等。印刷设备的误差直接影响设备的工艺流程，并在工艺流程中不断积累，最终形成锡膏印刷的精度误差和稳定性误差。总体而言，现有的视觉印刷机纠偏方法是通过生产前对设备工作状态进行标定，并通过一定的补偿，实现PCB与模板的对位。标定后通过相机获取PCB与模板的位置偏差，经由纠偏算法进行纠偏，再通过相机获取纠偏后PCB与模板的位置偏差，确保印刷的精度。在实际生产过程中，其误差补偿在生产之前就已标定并保持不变，忽视了设备在长期工作状态下因设备疲劳等原因导致的纠偏能力下降的问题。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于集成多目标回归链的视觉印刷机纠偏位姿预测方法，突破传统视觉印刷机纠偏的简单标定误差补偿，无法适应不同长期印刷设备状态变化的问题，采用历史的印刷数据，对当前的纠偏后位姿进行预测，以期利用预测后的纠偏位姿对PCB与模板纠偏过程中对纠偏输入进一步补偿，提高视觉印刷机的印刷精度及稳定性。

为实现上述目的，本发明所提供的技术方案为：基于集成多目标回归链的视觉印刷机纠偏位姿预测方法，包括以下步骤：

1)获取视觉印刷机纠偏过程中的历史数据，即样本数据；

2)对样本数据进行预处理，切分训练集和测试集

3)利用训练集建立多目标回归链的视觉印刷机纠偏预测单链模型；

4)在单链预测模型的基础上建立的集成多目标回归链的视觉印刷机纠偏位姿预测模型；

5)根据测试集对集成多目标回归链的视觉印刷机纠偏预测模型进行误差评估。

在步骤1)中，所述视觉印刷机纠偏过程中的历史数据是指视觉印刷机纠偏过程中获取的纠偏位姿信息数据，包括PCB进板位置信息、位姿、PCB纠偏理论的电机纠偏输入、纠偏前位置精度、纠偏后位姿；其中，纠偏后位姿为多目标，位姿表示为PCB相对模板的位置，包括X、Y和θ，X为纠偏后的横向位姿，Y为纠偏后的纵向位姿，θ为纠偏后的角度位姿。

在步骤2)中，对样本数据进行预处理，切分训练集和测试集包括以下步骤：

2.1)对样本数据进行归一化处理，采用min-max标准化公式：