The invention provides a method for PCBA appearance inspection by fast convolution neural network, which reduces the number of mismatched feature points, improves image matching speed, improves the recognition speed of parts, and improves the efficiency of PCBA appearance inspection. The standard template corresponding to each PCBA model is collected beforehand, and the list information and location of the parts corresponding to the standard template are labeled. At the same time, all parts on the standard template image are labeled to generate XML files of the position and type information of all parts of the corresponding PCBA model. At the same time, the MobileNet image classification network is built under the framework of Pytorch, through Depthwise convolution and Poyn. The whole network is constructed by twise convolution. The large-pixel images are classified by convolution, pooling, full connection and Softmax classifier. Finally, the small-pixel images are output as the sample images of the corresponding parts. All the sample images covering the detected parts are obtained from several standard template images. The data sets are constructed and input into the MobileNet image classification network.
【技术实现步骤摘要】
一种通过快速型卷积神经网络对PCBA外观检验的方法
本专利技术涉及PCBA外观检验的
，具体为一种通过快速型卷积神经网络对PCBA外观检验的方法。
技术介绍
现有的通过卷积神经网络对PCBA外观进行检验时，需要对所获取的原图整体进行特征点搜索，其不匹配的特征点数量多，进而使得模型中的冗余信息多，使得零件识别速度低，进而使得整个PCBA的外观检验效率低。
技术实现思路
针对上述问题，本专利技术提供了一种通过快速型卷积神经网络对PCBA外观检验的方法，其减少了不匹配特征点的数量，提高了图像匹配速度，使得模型中的冗余信息少，提高零件的识别速度，提高整个PCBA外观检验的效率。一种通过快速型卷积神经网络对PCBA外观检验的方法，其特征在于：预先收集每个型号的PCBA所对应的标准模板，同时将标准模板上所对应的零件的清单信息及位置，同时对标准模板图像上的所有零件进行标注，生成对应型号的PCBA所有零件位置和种类信息的xml文件，同时在Pytorch框架下搭建MobileNet图像分类网络，通过Depthwise卷积和Pointwise卷积构建整个网络，将输入时的大像素图像通...
【技术保护点】
1.一种通过快速型卷积神经网络对PCBA外观检验的方法，其特征在于：预先收集每个型号的PCBA所对应的标准模板，同时将标准模板上所对应的零件的清单信息及位置，同时对标准模板图像上的所有零件进行标注，生成对应型号的PCBA所有零件位置和种类信息的xml文件，同时在Pytorch框架下搭建MobileNet图像分类网络，通过Depthwise卷积和Pointwise卷积构建整个网络，将输入时的大像素图像通过卷积、池化、全连接和Softmax分类器分类，最终输出小像素图像作为对应零件的样本图像，从若干个标准模板图像中获取涵盖检测零件的所有样本图像，构成数据集，将数据集输入Mobi...
【技术特征摘要】
1.一种通过快速型卷积神经网络对PCBA外观检验的方法，其特征在于：预先收集每个型号的PCBA所对应的标准模板，同时将标准模板上所对应的零件的清单信息及位置，同时对标准模板图像上的所有零件进行标注，生成对应型号的PCBA所有零件位置和种类信息的xml文件，同时在Pytorch框架下搭建MobileNet图像分类网络，通过Depthwise卷积和Pointwise卷积构建整个网络，将输入时的大像素图像通过卷积、池化、全连接和Softmax分类器分类，最终输出小像素图像作为对应零件的样本图像，从若干个标准模板图像中获取涵盖检测零件的所有样本图像，构成数据集，将数据集输入MobileNet图像分类网络中；将待检测的PCBA所获得的图像分割出PCBA的铭牌区域，通过字符识别获得PCBA对应的铭牌编号，对待检测PCBA图像和标准模板图像进行图像配准，在实时缺陷检测中调用步骤铭牌编号所对应的型号的xml文件，通过调用xml中的位置信息分割所得到的配准图像上的所有零件，之后将待检测PCBA图像上分割出的零件依次输入模型进行预测，得到PCBA上所有位置零件的种类，与对应型号的标准模板图像对应位置的零件种类进行对比，若对应位置的零件种类不一致，说明该位置零件焊接错误，输出焊接错误的位置和正确的焊接零件。2.如权利要求1所述的一种通过快速型卷积神经网络对PCBA外观检验的方法，其特征在于：将待检测的PCBA所获得的图像分割出PCBA的铭牌区域之前预先将图像从RGB色彩空间转到HSV色彩空间，设置颜色阈值范围，对PCBA进行颜色分割，使之与背景图像分离；之后重新设置颜色阈值范围，分割PCBA的铭牌区域。3.如权利要求2所述的一种通过快速型卷积神经网络对PCBA外观检验的方法，其特征在于：PCBA的铭...
【专利技术属性】
技术研发人员：李磊，黄全安，杨天韵，胡思飞，
申请(专利权)人：苏州绿控传动科技股份有限公司，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。