[发明专利]一种基于图像的芯片信息快速采集和识别方法

权利要求书

1.一种基于图像的芯片信息快速采集和识别方法，其特征在于，包括以下步骤：

步骤一：搭建芯片图像采集装置，在所述装置中在有光照的情况下能够通过摄像头采集N种型号芯片的图像，N≥2；

步骤二：在以下四种情况的至少一种情况下采集N种型号芯片的视频信息，所述四种情况为：改变光照、改变芯片位置、添加干扰、改变芯片摆放背景；

步骤三：将步骤二中采集的芯片视频转化为多张图片，筛选出芯片未被遮挡和图像不模糊的图片生成芯片型号图片数据集；

步骤四：建立深度学习芯片识别模型，将芯片型号图片数据集分为训练集和测试集，使用训练集进行模型训练并保存模型参数值；

步骤五：使用测试集验证芯片识别模型的性能，将测试集导入模型中并运行模型，将预测结果和实际结果进行比较，若芯片识别准确率未达到预设值则提高步骤三中的筛选标准直至芯片识别准确率达到预设值，最终得到符合要求的模型参数值；

步骤六：使用芯片图像采集装置获取待识别的不同型号芯片的照片，将照片输入芯片识别模型中进行芯片型号的识别。

2.根据权利要求1所述的基于图像的芯片信息快速采集和识别方法，其特征在于，所述步骤一中的芯片图像采集装置包括摄像头(1)、支架(2)、华夫盒(4)、载物平台(5)和光源，所述华夫盒(4)放置于载物平台(5)上，所述芯片(3)放置于华夫盒(4)上，所述摄像头(1)通过所述支架(2)设置于所述芯片(3)上方，所述摄像头(1)拍摄方向与载物平台(5)垂直。

3.根据权利要求2所述的基于图像的芯片信息快速采集和识别方法，其特征在于，所述步骤二中的改变光照的情况包括：遮挡光源或调节光源的亮度；改变芯片位置的情况包括：在水平方向转动或移动华夫盒(4)；添加干扰的情况包括：在摄像头(1)视野中增添非芯片物体；改变芯片摆放背景的情况包括：改变华夫盒(4)底部和/或载物平台(5)上表面的背景，所述背景包括颜色和花纹。

4.根据权利要求3所述的基于图像的芯片信息快速采集和识别方法，其特征在于，所述步骤三具体包括：使用python和opencv库中的VideoCapture函数逐帧读取视频信息，将视频批量转换为图片，然后将这些图片按时间顺序编号，存放到以芯片型号命名的文件夹中，筛选出芯片未被遮挡和图像不模糊的图片，在筛选出的图片中每两张图片删去一张，将剩余图片进行180度的旋转，获得翻倍的图片数量并生成芯片型号图片数据集。

5.根据权利要求4所述的基于图像的芯片信息快速采集和识别方法，其特征在于，所述步骤四中的芯片识别模型包括一层缩放层、两层卷积层、一层池化层、两层全连接层，在图片输入后，先在缩放层使用tf.image.resize函数将原尺寸为1920x1080像素的彩色图像缩小至192x108像素的彩色图片，在第一层卷积层使用tf.keras.layers.Conv2D函数，设置64个3x3的卷积核，使用‘same’卷积方式以及‘relu’激活函数对输入的192x108x3的图像进行二维卷积操作，获得尺寸为192x108x64的张量，第二层也使用tf.keras.layers.Conv2D函数，参数与第一层相同，只是不指定输入张量的形状，输出尺寸为192x108x64的张量，第三层池化层使用tf.keras.layers.MaxPool2D函数，设定在竖直和水平方向上的下采样因子为2，即张量在两个维度上均变为原长的一半，输出尺寸为96x54x64的张量，在第一层全连接层中，先使用tf.keras.layers.Flatten函数将96x54x64的张量拉伸为1x331776的一维张量，再使用tf.keras.layers.Dense函数进行全连接处理，得到1x512的一维张量，该过程的激活函数为‘relu’，在第二层全连接层中，使用tf.keras.layers.Dense函数，设置激活函数为‘softmax’，进行处理后得到N个概率值，分别对应N种芯片，N个概率值之和为1。