[发明专利]基于神经网络的PCB板激光标靶定位方法及定位系统

权利要求书

1.一种基于神经网络的PCB板激光标靶定位方法，其特征在于，具体按照如下步骤实施：

S1，预制激光标靶，生成矩形激光标靶图案；具体为：

S11，预制光学掩膜版；具体为：

使用透明基材预制光学掩膜版，所述光学掩膜版上具有n阶矩阵，且所述矩阵相邻的两个侧边上均设置有长条形的图案；

S12，激光光束通过所述S11中的光学掩膜版射在覆感光膜的PCB板的四个角上，生成矩形激光标靶图案；

S2，采用神经网络对所述S1中的矩形激光标靶图案进行预处理；

S3，对预处理后的矩形激光标靶图案进行精确定位；具体为：依次对所述预处理后的矩形激光标靶图案的四个角进行定位；

所述预处理后的矩形激光标靶图案的某个角进行定位，具体为：

S31，当所述矩阵上侧和右侧的边上均设置有长条形的图案时，靠近上侧和右侧的矩阵中的元素形成第一矩阵；

S32，对所述S31中的第一矩阵的每一行和每一列均使用最小二乘法进行线性拟合，得到两条拟合直线，分别为：y1=AX+B和y2=CX+D；

其中，A和B是第一矩阵的行中，维度为n的参数矩阵的平均值；C和D是第一矩阵的列中，维度为n的参数矩阵的平均值；

S33，根据所述S32中的两条拟合直线，计算出第一矩阵的中心位置，该位置即为右上侧角的定位坐标P1；

S4，根据所述S3中精确定位的结果，将矩形激光标靶图案转移至PCB板上。

2.根据权利要求1所述的一种基于神经网络的PCB板激光标靶定位方法，其特征在于，所述S2中对矩形激光标靶图案进行预处理，具体为：

S21，神经网络预处理模块对所述矩形激光标靶图案进行图像采集，将采集到的图像转为单通道灰度图，采用灰度图形的方式保存采集结果；

S22，神经网络预处理模块对所述S21中的采集结果采用序列化方式将其写入磁盘，以进行格式化文件输出，生成深度学习训练所需的训练数据集；

S23，神经网络训练模块对所述训练数据集进行训练，构建神经网络的损失函数，采用循环迭代梯度下降算法的方式求解最小化损失函数中的参数weight和bias，从而对神经网络的权重及偏差进行确定；

S24，所述S23中的训练完成后，神经网络检测模块对实时采集到的图像进行识别以及定位，神经网络检测模块将识别到圆形及长条形图案的坐标位置输出至激光标靶定位模块，完成对矩形激光标靶图案进行预处理。

3.根据权利要求2所述的一种基于神经网络的PCB板激光标靶定位方法，其特征在于，所述S12中激光光束通过所述光学掩膜版射在覆感光膜的PCB板的四个角上，生成矩形激光标靶图案，具体为：

将所述光学掩膜版安装在激光头光路出口处，激光头安装在预处理装置上，预处理装置通过生产线与曝光设备连接，覆感光膜的PCB板在生产线上首先经过预处理装置，然后传送至曝光设备进行曝光处理，预处理装置激光器开启后，激光光束通过光学掩膜版射在覆感光膜的PCB板的四个角上，生成矩形激光标靶图案。

4.根据权利要求3所述的一种基于神经网络的PCB板激光标靶定位方法，其特征在于，所述S4中根据精确定位的结果，将矩形激光标靶图案转移至PCB板上，具体为：

将所述四个角的坐标传送至曝光设备，曝光设备根据坐标位置，将图案转移至PCB板上。

5.一种基于神经网络的PCB板激光标靶定位系统，其特征在于，用于实现权利要求1-4任一项所述的基于神经网络的PCB板激光标靶定位方法，其包括依次连接的激光标靶生成组件（1）、神经网络训练组件（2）、定位组件（3）以及曝光组件（4）；

所述激光标靶生成组件（1），用于预制激光标靶，生成矩形激光标靶图案；

所述神经网络训练组件（2），用于对矩形激光标靶图案进行预处理；

所述定位组件（3），用于对预处理后的矩形激光标靶图案进行定位；

所述曝光组件（4），用于根据定位将矩形激光标靶图案转移至PCB板上。

6.根据权利要求5所述的一种基于神经网络的PCB板激光标靶定位系统，其特征在于，所述激光标靶生成组件（1）包括激光器（11）、控制器（12）以及曝光器（13），所述激光器（11）和曝光器（13）均与所述控制器（12）连接；所述神经网络训练组件（2）包括依次连接的神经网络预处理单元（21）、神经网络训练单元（22）以及神经网络检测单元（23）。