[发明专利]印刷电路板电路结构识别方法、装置及计算机存储介质

说明书

本发明公开了一种印刷电路板电路结构识别方法、装置及计算机可读存储介质，所述方法包括：获取印刷电路板各层的PCB图片；基于经过预先训练的第一神经网络识别PCB图片上的焊点和过孔，所述第一神经网络通过预先训练被配置为可根据PCB图片识别其上的焊点和过孔分布；基于经过预先训练的第二神经网络识别PCB图片上的导线区域，所述第二神经网络通过预先训练被配置为可根据PCB图片识别其上的导线区域。本申请利用计算机视觉技术自动对PCB图片上的焊点、过孔以及导线区域进行标定，解决了现有技术中人工手动进行PCB反演工作费时费力、效率低下的技术问题，提高了工作效率，为电子设备修复其中印刷电路板提供了极大的便利。

技术领域

本发明涉及电子电路技术领域，尤其涉及一种基于深度学习的印刷电路板电路结构识别方法、装置及计算机可读存储介质。

背景技术

印刷电路板(Printed Circuit Board,PCB)是电子设备的核心主体，受PCB中诸多器件的生产工艺、装配质量、操作环境、使用寿命等因素的影响，PCB在使用过程中不可避免地会出现故障，PCB故障会影响重要设备的正常运行。

传统的设备维修技术，是通过手工绘制设备电路原理图，进而制作PCB进行修复。该方法需打磨PCB，再根据每层板面进行手工复刻当前层的电路原理图，操作繁琐；而且人工手动进行PCB的复刻工作费时费力、效率低下。尤其对于多层PCB，PCB的层数较多且存在埋孔等，绘制过程更加复杂。

随着计算机视觉技术的发展，其在某种程度上可以取代传统的人工手动的繁重工作。现阶段有关PCB的计算机视觉类研究主要基于对PCB的缺陷(如线路的短接或者断路)以及部分器件(如色环电阻阻值大小)进行识别和目标分割，对PCB的整体电路结构的识别还是空白。目前，对PCB的整体电路结构的反演工作还是由人工手动执行。

因此，如何智能地、高效地实现PCB整体电路结构的反演工作，一直是本领域技术人员致力于解决的难题。

发明内容

本申请实施例通过提供一种基于深度学习的印刷电路板电路结构识别方法，解决了现有技术中人工手动进行PCB复刻工作费时费力、效率低下的技术问题。

为解决上述技术问题，第一方面，本申请实施例提供了一种印刷电路板电路结构识别方法，包括：

获取印刷电路板各层的PCB图片；

基于经过预先训练的第一神经网络识别所述PCB图片上的焊点和过孔，其中，所述第一神经网络通过预先训练被配置为可根据所述PCB图片识别其上的焊点和过孔分布；

基于经过预先训练的第二神经网络识别所述PCB图片上的导线区域，其中，所述第二神经网络通过预先训练被配置为可根据所述PCB图片识别其上的导线区域。

优选地，将所述第一神经网络的识别结果和所述第二神经网络的识别结果保存在同一个文件夹中。

优选地，所述第一神经网络为YOLOv3网络，所述第二神经网络为YOLOv5网络。

优选地，所述方法还包括：预先训练所述第一神经网络，所述预先训练所述第一神经网络包括：

获取训练用的输入样本集，所述输入样本集为印刷电路板各层的PCB图片；

标注输入样本集PCB图片上的第一关键特征，作为训练用的第一输出样本集；所述第一关键特征包括PCB图片上的焊点、过孔以及焊点、过孔存在与否的条件概率；

对第一神经网络模型进行预处理；所述预处理包括：输入数据增强设置、模型权重预训练、损失函数构建、模型参数设定；

将所述输入样本集和第一输出样本集输入预处理后的第一神经网络模型进行训练，得到召回率满足要求的网络模型。