【技术实现步骤摘要】
一种基于卷积神经网络的焊点检测方法
[0001]本专利技术涉及计算机视觉领域,具体涉及一种基于卷积神经网络的焊点检测方法。
技术介绍
[0002]近年来,人们对网络的需求快速增长,互联网流量快速增长,从而也大大拉动了电子制造产业需求的增长,让电子制造产业成为当今世界最重要的战略性产业之一。在互联网时代,电子产品不仅应用于计算器、移动电话以及电脑等产品,在人工智能设备、大型工业设备、汽车以及航空设备等产品上也应用广泛。电子制造业是体现一个国家的生产力水平的重要要素,也是区分发展中国家和发达国家的重要因素。我国的电子制造业规模在近年来一直呈平稳增长的态势,电子制造业已然成为了国民经济的重要支柱产业。
[0003]表面组装技术(Surface Mounted Technology,SMT)是电子制造组装行业里最流行的一种技术和工艺。SMT技术可以实现对一些印刷电路板(Printed Circuit Board,PCB)“自动化、高科技”加工。在近十年来,SMT技术在中国已经浸透到各个行业,各个领域,发展神速,应用范围十分广泛。虽然SMT技术有其自身的特点和优势,但是在电子制造组装业中除了有标准的元器件外,还有很多的非标准元器件,由于它们的结构外型特殊,导致很难实现全自动焊接。
[0004]尽管目前现代化企业已经普遍使用自动插装、自动焊接的生产工艺,但对一些非标元器件目前还采用手工焊接的方法,所以目前还没有任何一种焊接方法可以完全取代手工焊接。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,劳动强度大,
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网络的焊点检测方法,其特征在于,步骤如下:步骤1、采集PCB焊点数据集并对数据进行预处理,然后对数据进行标注、保存;步骤2、基于计算机视觉,建立卷积神经网络模型;步骤3、利用焊点数据训练集对建立的卷积神经网络模型进行训练,并使用焊点数据测试集对建立的模型进行测试。2.根据权利要求1所述的一种基于卷积神经网络的焊点检测方法,其特征在于,步骤1具体实施步骤如下:1
‑
1.数据采集,首先,利用AOI自动光学检测设备对PCB印制电路板进行原始图像采集;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;1
‑
2.数据预处理,由于原始图像尺寸太大,而焊点太小,所以为了保证能够精确检测定位到焊点位置,将图像统一分割成416
×
416大小;1
‑
3.数据标注,由于训练卷积神经网络模型训练需要大量图片数据,将预处理后的图像使用标注工具LabelImg进行人工标注,使用其矩形框标注出图像焊点目标;1
‑
4.数据保存;在使用LabelImg标注工具标注后,将生成一个.xml文件,其中保存的关键信息有目标名name,目标框的坐标xmin,xmax,ymin,ymax;标注完的数据格式按照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.jpg,标签文件保存格式为.xml。3.根据权利要求2所述的一种基于卷积神经网络的焊点检测方法,其特征在于,所述步骤2具体实现如下:使用卷积神经网络模型作为焊点检测模型进行焊点的检测和定位;针对焊点检测这种小尺度目标检测,该模型在现有YOLOv3的基础上进行了多尺度检测的改进,并使用了基于残差神经网络改进的Darknet53网络作为特征提取器,使得卷积神经网络模型能够更好的检测小目标。4.根据权利要求3所述的一种基于卷积神经网络的焊点检测方法,其特征在于,所述的步骤3具体步骤如下:3
‑
1.划分数据集;将采集到的数据集按照7:3的比例划分成训练集和测试集;3
‑
2.网络输入和数据增强;由于在卷积神经网络模型中有5次下采样过程,即25=32,因此网络输入图像应该是32的倍数;将训练集每幅图像分割为13
×
13个单元格;因为13
×
32=416,因此最后要求输入图像尺寸为416
×
416;对有限的训练集进行数据增强,所述的数据增强包括对训练集图片进行水平翻转、垂直翻转、随机旋转、色彩抖动;3
‑
3.网络结构;所述的卷积神经网络模型的骨干网络(backbone)采用了Darknet53的网络结构用来提取输入图像的特征;将整个卷积神经网络模型的特征层分为5个尺度,这5个尺度生产的特征图像尺寸分别为13
×
13、26
×
26、52
×
52、104
×
104、208
×
208;改进后的YOLOv3使用这5个不同尺度的特征图像能够更好的与小尺度目标进行局部特征交互;3
‑
4.网络输出;训练集上使用了K
‑
means聚类方法获取了15个锚框,输出时将选取一个与真值的IOU最大的锚框作为预测框;针对一个输入图像,卷积神经网络模型会将其映射到5个不同尺度的输出张量,代表图像各个位置存在目标的概率;对于一个416
×
416的输入图
像,每一个预测是一个4+1+1=6维向量,这个6维向量分别...
【专利技术属性】
技术研发人员:张桦,黄金来,杨铭凯,徐宏,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:
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。