一种电子元件的视觉计数及定位方法技术

本发明专利技术公开了一种电子元件的视觉计数及定位方法，包含以下步骤：1、选取部分图像，标注电子元件重心并制作训练图像集；2、搭建神经网络模型，使用训练图像集训练并保存神经网络模型；3、对一张训练图像集之外的图像，首先经过预处理，检测并裁剪掉黑边；检测电子元件所在区域外围圆与内围圆；将外围圆最小外接正方形区域裁剪成图像集合；之后依次输入神经网络模型得到密度图矩阵集合；最后经过后处理，密度图矩阵合并；计算合并后密度图矩阵外围圆与内围圆之间的联通区域，得到电子元件图像中电子元件的计数与定位结果。本发明专利技术方法能够解决电子元件尺寸与形状差异过大以及部分电子元件之间粘连过大影响计数准确率的问题。

【技术实现步骤摘要】
一种电子元件的视觉计数及定位方法
本专利技术属于计算机视觉的应用领域，具体提出了一种电子元件的视觉计数及定位方法。
技术介绍
随着电子信息行业的高速发展，形形色色的电子产品出现在人们的视野中。电子产品大多使用电路板控制，而电路板则离不开各种电容、电阻、电感等电子元件。其生产技术主要采用高速表面贴装技术，在此过程中，电容、电阻等电子元件使用率极高，因此SMT生产企业对电子元器件等物料的更新统计要求极高。传统对电子元件的计数大多采用称重或者人工计数的方式，这不仅效率低下并且需要投入大量的人力物力。同时已有的对X-Ray点料机得到图像中的电子元件计数及定位大多采用传统的图像处理方法，这种方法依赖于超参数的设置，对于不同的电子元件需要不同的超参数，计数方法具有较低的鲁棒性。并且随着近年来深度学习的飞速发展，检测、分类等视觉任务可以具有相对于传统方法更高的准确性与鲁棒性。
技术实现思路
本专利技术的目的在于针对现有基于传统图像处理技术的电子元件计数及定位方法存在的不足，提出了一种电子元件的视觉计数及定位方法，该方法能够解决电子本文档来自技高网...

【技术保护点】
1.一种电子元件的视觉计数及定位方法，其特征在于：包括如下步骤：/n步骤A：在获取X-Ray点料机拍摄的电子元件图像后，选取部分图像随机裁剪为尺寸相同的图像，每张图像中包含多个电子元件，以像素点坐标标注出每张图像中所有电子元件的重心点位置，已标注的图像组成训练图像集，其中对于裁剪过程中被分割到多张图像中的电子元件，只在电子元件重心所在图像中进行标注；/n步骤B：搭建神经网络模型，使用步骤A得到的训练图像集训练神经网络模型，得到适用于电子元件计数任务的神经网络模型；/n步骤C：在对一张训练图像集之外的电子元件图像中的电子元件进行计数与定位时，首先经过预处理得图像集合，之后将图像集合中的图像依次输...

【技术特征摘要】
1.一种电子元件的视觉计数及定位方法，其特征在于：包括如下步骤：
步骤A：在获取X-Ray点料机拍摄的电子元件图像后，选取部分图像随机裁剪为尺寸相同的图像，每张图像中包含多个电子元件，以像素点坐标标注出每张图像中所有电子元件的重心点位置，已标注的图像组成训练图像集，其中对于裁剪过程中被分割到多张图像中的电子元件，只在电子元件重心所在图像中进行标注；
步骤B：搭建神经网络模型，使用步骤A得到的训练图像集训练神经网络模型，得到适用于电子元件计数任务的神经网络模型；
步骤C：在对一张训练图像集之外的电子元件图像中的电子元件进行计数与定位时，首先经过预处理得图像集合，之后将图像集合中的图像依次输入步骤B中得到的适用于电子元件计数任务的神经网络模型，依次输出密度图矩阵得到密度图矩阵集合，最后经过后处理得到电子元件图像中电子元件的计数与定位结果。


2.根据权利要求1所述的一种电子元件的视觉计数及定位方法，其特征在于：所述步骤B的具体步骤如下：
步骤B01：神经网络模型选取编码-解码型结构；编码部分使用卷积层+池化层结构学习电子元件特征，其中卷积层使用多种卷积核进行通道融合以便于学习不同尺寸电子元件的特征；解码部分使用反卷积层+卷积层结构，其中部分卷积层使用多种卷积核进行通道融合以便于在解码过程中满足不同尺寸电子元件所需的感受野要求；神经网络模型输出为与神经网络模型输入尺寸相同的密度图矩阵；
步骤B02：对于标注了所有电子元件重心点坐标的训练图像集，使用训练图像集中图像训练神经网络模型，得到适合电子元件计数任务的神经网络模型。


3.根据权利要求1所述的一种电子元件的视觉计数及定位方法，其特征在于：所述步骤C的具...

【专利技术属性】
技术研发人员：宋永红，王宏达，李俞，张元林，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61