[发明专利]一种基于图网络的PCB板元器件图像目标检测方法

权利要求书

1.一种基于图网络的PCB板元器件图像目标检测方法，其特征在于，包括如下步骤：

S1，获取PCB图片样本数据集，并将该PCB图片样本数据集中五分之四的样本划分为训练集，另外五分之一的样本划分为验证集；利用GANs生成式对抗网络对训练集的所有样本学习生成新样本；

S2，对于步骤S1生成的每一个新样本利用超像素构建一个K最近邻接矩阵，权值为：

；

式中xi和xj分别是超像素i和j的二维坐标，σx是放缩参数；

S3，建立RPN网络，提取多个PCB超像素训练集样本图片的边框位置，并通过函数不断平移缩放修正靠近正确的标注数据框的概率，从而为下一步骤提供特征图；

S4，采用图卷积网络并结合元器件模板图对步骤S3提供的特征图进行特性细化，生成特征图信息；

S5，针对步骤S4生成的特征图信息利用相似度预测算法对步骤S3产生的每个特征图进行分类；再利用相似度预测算法计算每个被步骤S3和步骤S4处理后的图对元器件模板的相似性概率，并基于概率归类为相应元器件模板的类别。

2.根据权利要求1所述的基于图网络的PCB板元器件图像目标检测方法，其特征在于，所述步骤S4进行特性细化的具体实现过程如下：

令图卷积网络中的图的实体表示成节点，节点间的连接表示成边，系统层面的特征用全局属性表示，节点表示为vi，边表示为ek，全局属性表示为u，并且使用sk和rk分别表示边k的发送节点和接收节点的索引；

图用一个3元组表示 G = (u；V；E) ，u代表的是一个全局属性，是整个图的一个特征；V代表图的节点的集合，其表示为：

；

E代表边的集合，其表示为：

；

式中Ne和Nv分别代表边和节点的数量，ek是第k个边的特征，sk和rk分别是接收节点和发送节点的编号；

a、首先用当前的边信息、节点信息、以及全局属性u来生成新的边信息；

b、基于新的边信息，生成新的节点信息；

c、基于新的节点和边信息，生成新的全局属性u，整个过程完成。

3.根据权利要求1所述的基于图网络的PCB板元器件图像目标检测方法，其特征在于，所述GANs生成式对抗网络包括生成模型和判别模型，所述生成模型用于学习训练集中样本的真实图像分布，使GANs生成式对抗网络生成的新样本更加真实，所述判别模型用于判断图像是真实图像还是生成图像。

4.根据权利要求4所述的基于图网络的PCB板元器件图像目标检测方法，其特征在于，所述GANs生成式对抗网络采用深度卷积神经网络。

5.根据权利要求1所述的基于图网络的PCB板元器件图像目标检测方法，其特征在于，所述步骤S3是通过损失函数不断平移缩放修正靠近正确的标注数据框。