[发明专利]一种基于卷积神经网络的通孔焊点识别方法

摘要

本发明提供一种基于卷积神经网络的通孔焊点识别方法，识别方法包含四个步骤：(1)对输入图像进行基于区域像素相似度的分割操作；(2)将分割出来的区域图片进行直方图图均衡化；(3)将输入的区域图片序列化，并归一化；(4)将均衡化的区域图像输入到多层卷积和池化操作，提取卷积特征；然后将这些卷积特征输入多层全连接层进行通孔焊点分类，输出区域图像是否是通孔焊点。本发明可实现对PCB电路板图像中通孔焊点的识别，具有速度快、准确率高的特点，有助于帮助自动焊锡机等PCB焊接设备的自动取点。

主权项

一种基于卷积神经网络的通孔焊点识别方法，其特征在于：包括以下四个步骤：步骤(1)基于区域像素相似度对输入图像进行分割操作：首先输入一个最小区域大小值，对每一个已经分配类别的区域与该区域周边的与最小区域大小值一样大的邻域的像素进行颜色空间相似度比较，当最大相似度大于预设阈值时，将这块邻域加入到该区域，如果最大相似度仍小于预设阈值，那么认定这块邻域为新的区域，将这块邻域分配为新的类别；重复进行上面的过程，直到所有区域都被分配类别；然后不断从已经分类的区域中取出两个类别进行相似度计算，如果两个区域距离小于一定值并且相似度大于阈值，那么就将两个区域合并，重复以上过程，直到没有两个区域满足上述条件；最后将相同类别的区域分割出来，形成数目众多的区域图像；步骤(2)将分割出来的区域图像进行直方图均衡化操作：将RGB三通道的彩色图像转换到HSV空间，然后利用HSV空间的亮度轴做直方图均衡化，将亮度集中的像素重新分布到整个亮度空间，得到HSV图像，最后将处理后的HSV图像重新转换成RGB三通道的彩色图像；步骤(3)将均衡化的区域图像缩放至固定大小输入到多层卷积和池化操作，提取卷积特征，然后将这些卷积特征输入到2层全连接层，进行卷积特征筛选处理，通过降维处理后输出较少维数的卷积特征；步骤(4)、将步骤(3)输出的卷积特征，经过分类器进行分类，按照已焊接的焊点、焊盘、未焊接的焊点、背景四个类别进行分类，并将对应的区域图像标注为该类别；步骤(5)、根据步骤(4)输出的焊点区域图像以及其对应的卷积特征，基于统计学方法回归定位焊点引脚的位置。