【技术实现步骤摘要】
一种基于自学习的自动焊接及缺陷检测方法
本专利技术涉及机器视觉领域,具体涉及一种基于自学习的自动焊接及缺陷检测方法。
技术介绍
电子制造产业持续增长,成为当今世界最重要的战略性产业之一。在信息化时代,电子产品不仅应用于小型计算器、移动电话、笔记本电脑,在大型工业设备、汽车、军事武器系统和航空设备领域也应用广泛。电子制造业已成为衡量一个国家经济发展、科技进步和综合国力的重要标志。近年来,我国电子信息制造业以每年20%以上的速度逐年增长,已经成为了国民经济的支柱产业。表面贴装技术(SurfaceMountTechnology,SMT)作为电子制造组装行业的基础技术,在近年得到了迅猛提升,中国的SMT技术及其整个产业的规模已经跃居全球的首位。到目前,在中国拥有超过15000条SMT自动生产线,成为世界上最大和最重要的SMT市场。然而,在电子制造组装业中除了标准的可以自动贴片的元器件外,还有很多其他非标元器件,由于其结构外型的特殊性,至今仍无法实现全自动焊接。大量印刷电路板(PrintedCircuitBoard,PCB)在执行SMT自动贴片后,必须由人工完成非标元器件的手工焊接。这种传统的基于人工焊接的方式,不仅生产效率低、耗费时间长,容易使大量的贴片半成品产生堆积,延迟产品交付时间;而且劳动强度大、质量无法保证。特别是基于人工目检的质量检测与个人的主观经验有关,而人在工作时容易疲劳,受情绪影响大,因此检测效率偏低。多年来,我国电子制造组装企业将数字化生产线建设作为企业信息化重点,并初见成效,特别是 ...
【技术保护点】
1.一种基于自学习的自动焊接及缺陷检测方法,其特征在于包括如下步骤:/n步骤1、采用基于知识的焊点粗定位,并规划焊接最优路径,为视觉系统和机械臂提供运行方向;/n步骤2、基于机器视觉的焊点细定位,并判断焊点类型,精确引导机械臂找到焊点位置,针对性实施自动焊接;/n步骤3、采用基于在线深度强化学习的焊点缺陷检测,自动检测焊点缺陷及判断类型,为同工位二次补焊提供依据和指导;/n步骤1中所述的基于知识的焊点粗定位及焊接最优路径规划,具体实施步骤如下:/n1-1.首先建立非标元器件知识库,库内包括所有种类非标元器件的名称、信息及焊接手段;读取PCB文件后,得到所需焊接元器件及焊点信息,利用知识库,识别PCB板中所有非标元器件的焊点;建立自定义PCB坐标系,标注所有非标元器件焊点,使每个焊点获得唯一的坐标信息,完成焊点粗定位;/n1-2.为最小化总工作时间,多焊接路径进行规划,搜索视觉系统相机移动的最优路径;确定目标焊点的唯一视场;所述视场是一个相机在单次拍照能够获得的最大图像区域;PCB板进板并固定后,相机首先移动到全板MARK点,作为PCB板上相机寻点路径的初始点;MARK点是用铜印刷在电路 ...
【技术特征摘要】
1.一种基于自学习的自动焊接及缺陷检测方法,其特征在于包括如下步骤:
步骤1、采用基于知识的焊点粗定位,并规划焊接最优路径,为视觉系统和机械臂提供运行方向;
步骤2、基于机器视觉的焊点细定位,并判断焊点类型,精确引导机械臂找到焊点位置,针对性实施自动焊接;
步骤3、采用基于在线深度强化学习的焊点缺陷检测,自动检测焊点缺陷及判断类型,为同工位二次补焊提供依据和指导;
步骤1中所述的基于知识的焊点粗定位及焊接最优路径规划,具体实施步骤如下:
1-1.首先建立非标元器件知识库,库内包括所有种类非标元器件的名称、信息及焊接手段;读取PCB文件后,得到所需焊接元器件及焊点信息,利用知识库,识别PCB板中所有非标元器件的焊点;建立自定义PCB坐标系,标注所有非标元器件焊点,使每个焊点获得唯一的坐标信息,完成焊点粗定位;
1-2.为最小化总工作时间,多焊接路径进行规划,搜索视觉系统相机移动的最优路径;确定目标焊点的唯一视场;所述视场是一个相机在单次拍照能够获得的最大图像区域;PCB板进板并固定后,相机首先移动到全板MARK点,作为PCB板上相机寻点路径的初始点;MARK点是用铜印刷在电路板上的标记;
1-3.按照规划的路径顺序移动到目标视场区域;焊点顺序访问的问题建模为一个标准的旅行商问题;以焊点的坐标信息为依据,使用Hopfield神经网络获得最优路径,自动规划焊点焊接顺序。
2.根据权利要求1所述的一种基于自学习的自动焊接及缺陷检测方法,其特征在于所述的步骤2中基于机器视觉的焊点细定位及焊点形状判别,具体实现如下:
使用YOLOv3作为目标检测模型进行目标的细定位,该目标检测模型在YOLOv2的基础上进行应用性的改进,包括多尺度检测、多标签分类,并使用基于残差神经网络改进的Darknet53网络作为特征提取器;基于机器视觉的焊点细定位包括如下步骤:数据集制作、网络模型训练、过滤识别结果并输出。
3.根据权利要求2所述的一种基于自学习的自动焊接及缺陷检测方法,其特征在于所述的数据集制作包括如下步骤:
2-1-1.数据采集:所用数据来自一台AOI自动光学检测设备拍摄PCB电路板的原始图像,对每一块PCB电路板,相机拍摄多个局部视场,再通过图像拼接的方法拼接成一张完整的图像;
2-1-2.数据预处理:YOLOv3在网络输入时将图像统一为416×416大小,即将图像都分割成416×416大小,再进行人工标注;
2-1-3.数据标注:神经网络训练需要大量的图像数据,随机选取部分图像使用标注工具LabelImg进行人工标注,标注出其中的接插件焊点目标;
2-1-4.数据保存:标注完的结果生成一个.xml文件,其中保存的关键信息有目标类别name,以及目标框的四个端点坐标xmin、xmax、ymin和ymax;标注完的数据按照VOC数据格式存储,一张图像对应一个标签文件,图像保存格式为.img,标签文件保存格式为.xml。
4.根据权利要求3所述的一种基于自学习的自动焊接及缺陷检测方法,其特征在于所述的网络模型训练的过程包括如下步骤:
2-2-1.网络输入,数据增强:在YOLOv3中有5次下采样过程,25=32,因此网络输入图像大小为3...
【专利技术属性】
技术研发人员:张桦,杨铭凯,沈菲,项雷雷,吴以凡,戴国骏,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江;33
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。