[發明專利]一種基于卷積神經網絡的通孔焊點識別方法

有效

• 申請號: 201711403913.8
• 申請日: 2017-12-22
• 公開（公告）號: CN108154502B
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 王華鋒;黃海亮;馮毅夫;付明霞;杜俊逸;馬晨南;齊一凡;潘海俠
• 申請（專利權）人: 王華鋒
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/40;G06N3/04
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

本發明提供一種基于卷積神經網絡的通孔焊點識別方法，識別方法包含四個步驟：(1)對輸入圖像進行基于區域像素相似度的分割操作；(2)將分割出來的區域圖片進行直方圖圖均衡化；(3)將輸入的區域圖片序列化，并歸一化；(4)將均衡化的區域圖像輸入到多層卷積和池化操作，提取卷積特征；然后將這些卷積特征輸入多層全連接層進行通孔焊點分類，輸出區域圖像是否是通孔焊點。本發明可實現對PCB電路板圖像中通孔焊點的識別，具有速度快、準確率高的特點，有助于幫助自動焊錫機等PCB焊接設備的自動取點。

技術領域

本發明涉及計算機視覺技術領域，具體涉及一種基于卷積神經網絡的通孔焊點識別方法。

背景技術

隨著科技的快速發展，計算機的計算能力越來越強，能夠勝任越來越復雜的計算任務。在過去幾十年的發展中，計算機已經成功在多個領域內代替了人工，足以自動甚至智能地完成任務。相比于人工完成任務，計算機自動化具有快速、準確的優點。然而，隨著人工智能領域的快速發展，不僅計算機能變得智能，而且工業生產也能變得智能化。

大規模電路板制造一般需要經過兩個焊接過程，首先貼片焊接(SMT)，焊接細小的集成電子元器件，接著通孔焊接(Though-Hole Technology)，這個焊接過程會焊接大型電子元器件。現階段SMT焊接已經實現基本自動化，提升焊接效率的瓶頸在通孔焊接，我們需要進行通孔焊接相關自動化研究以提升工業生產效率。

由于表面貼裝技術(SMT)流行，國內外的研究機構主要研究方向為貼片焊點的識別、定位與其焊接質量評估。而本課題是研究的通孔焊點的識別與定位，這兩者的區別在外型上有著本質的區別，其外觀側視圖如圖1、圖2所示。雖然識別的對象不一致，但在識別算法研究上有著共通之處，現分析貼片焊點的視覺研究進展。

最開始，機器視覺檢測的方法大部分集中在閾值分割的思想方面，即對印制電路板的焊點區域通過一定的圖像算法進行處理，將焊點區域分割出來。大多先運用形態學的處理方式，例如膨脹與腐蝕，二值化等，以及一些其它的基本算法，對邊界進行提取，粗化細化等處理，再應用圖像分割對點、線和邊緣進行檢測和閾值處理，從而提取出焊點區域。隨著研究的深入，處理方式逐漸智能化通用化，特別是隨著機器學習算法的發展，支持向量機、BP神經網絡、卷積神經網絡等各種新興算法的出現，也都被應用于對印制電路板的焊點檢測上并取得了更好的檢測效果。這些算法將焊點的檢測轉化為對一定特征的分類，檢測可靠性更高。

發明內容

本發明解決的技術問題是：克服了現有的基于傳統特征和基于人工神經網絡的通孔焊點識別的不足，提供了一種基于卷積神經網絡的通孔焊點識別方法。

本發明采用的技術方案為：一種基于卷積神經網絡的通孔焊點識別方法，包括以下步驟：

步驟(1)基于區域像素相似度對輸入圖像進行分割操作：首先輸入一個最小區域大小值(比如3*3像素大小)，對每一個已經分配類別的區域與該區域周邊的與最小區域大小值一樣大的鄰域的像素進行顏色空間相似度比較，當最大相似度大于預設閾值時，將這塊鄰域加入到該區域，如果最大相似度仍小于預設閾值，那么認定這塊鄰域為新的區域，將這塊鄰域分配為新的類別；重復進行上面的過程，直到所有區域都被分配類別；然后不斷從已經分類的區域中取出兩個類別進行相似度計算，如果兩個區域距離小于一定值并且相似度大于閾值，那么就將兩個區域合并，重復以上過程，直到沒有兩個區域滿足上述條件；最后將相同類別的區域分割出來，形成數目眾多的區域圖像；

步驟(2)將分割出來的區域圖像進行直方圖均衡化操作：將RGB三通道的彩色圖像轉換到HSV空間，然后利用HSV空間的亮度軸做直方圖均衡化，將亮度集中的像素重新分布到整個亮度空間，這樣使得圖像亮度更加均衡，對比度更高，得到HSV圖像，最后將處理后的HSV圖像重新轉換成RGB三通道的彩色圖像；