一种基于机器学习的线路板高效冲洗的方法技术

本发明专利技术书工业设备领域，具体的说是一种基于机器学习的线路板高效冲洗的方法，该冲洗的方法包括：获取目前正在冲洗的线路板信息；根据所述线路板信息，结合清洗参数，使用冲洗装置对线路板进行喷洗，并获取清洗结果；通过SWM分类算法，根据清洗历史情况表，训练清洗结果预测模型，当有待洗线路板需要进行清洗时，获取所述待洗线路板的线路板信息，结合需求情况，在达到清洗干净的前提下，选择清洗参数进行清洗，通过本发明专利技术的方法，可以有效，提高清洗效率。效率。效率。

【技术实现步骤摘要】
一种基于机器学习的线路板高效冲洗的方法


[0001]本专利技术涉及工业设备领域，具体是一种基于机器学习的线路板高效冲洗的方法。

技术介绍

[0002]电路板使电路迷你化、直观化，对于固定电路的批量生产和优化用电器布局起重要作用；电路板可称为印刷线路板或印刷电路板；线路板按层数来分的话分为单面板，双面板，和多层线路板三个大的分类。
[0003]由于钻孔、锣槽所产生的披锋、毛刺以及镀铜后板面铜颗粒等，对线路板产生不良的影响，而现有的吹气工艺并不能将这些铜颗粒清除干净，导致短路不良时有发生；用吹气的方式会容易造成粉尘污染，操作员工会有患上尘肺病的风险，为此，需要对线路板用水进行冲刷，但是也会耗费很多的水，而且水中含有大量的铜，直接排放会对环境带来很不好的影响；因此，针对上述问题提出一种基于机器学习的线路板高效冲洗的方法。

技术实现思路

[0004]为了弥补现有技术的不足，解决由于钻孔、锣槽所产生的披锋、毛刺以及镀铜后板面铜颗粒等，对线路板产生不良的影响，而现有的吹气工艺并不能将这些铜颗粒清除干净，导致短路不良时有发生；用吹气的方式会容易造成粉尘污染，操作员工会有患上尘肺病的风险，为此，需要对线路板用水进行冲刷，但是也会耗费很多的水，而且水中含有大量的铜，直接排放会对环境带来很不好的影响的问题，本专利技术提出一种基于机器学习的线路板高效冲洗的方法。
[0005]本专利技术解决其技术问题所采用的技术方案是；本专利技术所述的一种基于机器学习的线路板高效冲洗的方法，其特征在于，包括：r/>[0006]获取目前正在冲洗的线路板信息；
[0007]根据所述线路板信息，结合清洗参数，使用冲洗装置对线路板进行喷洗，并获取清洗结果；
[0008]获取所述清洗参数、所述线路板信息、清洗干净与否的结果的数据，建立清洗历史情况表；
[0009]通过所述清洗历史情况表，结合聚类算法及图像相似度方法，变更清洗不干净的线路板信息对应的清洗参数，并根据结果再次更新所述清洗历史情况表；
[0010]通过SVM分类算法，根据所述清洗历史情况表，训练清洗结果预测模型，所述清洗结果预测模型输入特征的是所述清洗历史情况表的清洗参数、线路板信息，预测输出结果为清洗干净与否的结果；
[0011]当有待洗线路板需要进行清洗时，获取所述待洗线路板的线路板信息，结合需求情况，在达到清洗干净的前提下，选择清洗参数进行清洗。
[0012]优选的，所述线路板信息包括：线路板的类型、线路板的布线规则、线路板图像；
[0013]所述线路板的类型包括：单面板、双面板及柔性板；
[0014]所述线路板的布线规则包括：将线路板建立XY坐标系，并根据XY坐标分为N个区域；获取对应每个区域的布线密度、线宽、过孔间距及布线拓朴结构；
[0015]所述线路板图像通过视觉模块获取；
[0016]将所述线路板信息发送并储存入工控机的数据库。
[0017]优选的，所述清洗参数，包括：水更换率、冲洗间距、清洗强度、清洗角度、冲洗的XY坐标系上的位置点数及每个位置点对应的清洗时间长度；
[0018]所述清洗参数是预设的或者随时生成，根据不同的线路板信息对于不同的清洗参数；
[0019]所述清洗参数，还包括特殊情况下的清洗策略，具体包括：获取所述线路板信息，获取所述线路板信息中布线密度最密的区域，获取其密度值；获取过孔间距最小的区域，获取间距值，当密度值大于阈值或间距值小于阈值时，对相应区域重点通过喷气头以及喷水头结合一起喷洗清洁；
[0020]优选的，所述获取清洗结果，包括：
[0021]通过第一摄像头结合图像识别技术，获取清洗结果，判断线路板清洗是否干净，具体是：训练线路板污染检测模型，获取清洗后的线路板图像，通过yolov5算法，结合目标检测技术训练线路板污染检测模型，检测清洗后的线路板是否存在，披锋、毛刺以及镀铜后板面铜颗粒，如果存在，判断清洗不干净，如果不存在，判断清洗干净；
[0022]所述结合目标检测技术训练线路板污染检测模型，包括：通过所述第一摄像头拍取清洗后的线路板图像信息，将清洗后的线路板图像信息发送致lableimg客户端进行目标检测标注，标注清洗后的线路板图像信息的披锋、毛刺以及镀铜后板面铜颗粒，在标注满2000张图片集后，将图片集作为训练数据，通过yolov5算法，结合目标检测技术，进行模型训练，得到线路板污染检测模型。
[0023]优选的，所述通过清洗历史情况表，结合聚类算法及图像相似度方法，变更清洗不干净的线路板信息对应的清洗参数，并根据结果再次更新所述清洗历史情况表，包括：
[0024]遍历所述清洗历史情况表，获取每个线路板信息对应的清洗结果是否干净，如果清洗结果为不干净，计算该条线路板信息中的线路板图像与该条线路板信息所在线路板类型簇中每个其他线路板图像的相似度，当相似度高于第一阈值时，获取相似度高于低于阈值的线路板图像所在线路板信息对应的清洗参数，作为第二清洗参数，将所述第二清洗参数应用于该条线路板信息，结合步骤s21
‑
s22的方法对与该条线路板信息相同的线路板进行再次清洗，并根据结果再次更新所述清洗历史情况表；
[0025]所述计算该条线路板信息中的线路板图像与该条线路板信息所在线路板类型簇中每个其他线路板图像的相似度，还包括：当无法找到该条线路板信息所在线路板类型簇中相似度高于阈值的线路板图像时，更换该条线路板信息图像的横竖的排版方向格式；
[0026]所述第二清洗参数，还包括：随机变化所述第二清洗参数中水更换率、冲洗间距、清洗强度、清洗角度、冲洗的XY坐标系上的位置点数及每个位置点对应的清洗时间长度中的某一个到多个数据；
[0027]所述计算该条线路板信息中的线路板图像与该条线路板信息所在线路板类型簇中每个其他线路板图像的相似度，当无法找到相似度高于第一阈值的其他线路板图像时，获取相似度最高的其他线路板图像，并对比该条线路板信息中的线路板图像与相似度最高
的其他线路板图像中相似度最低的区域，通过所述气喷头对所述相似度最低的区域喷洗预设时间；对所述相似度最低的区域的图像进行滤波处理，再次执行步骤S32。
[0028]所述第二清洗参数，还包括：
[0029]根据步骤S22获取清洗结果为不干净的线路板中披锋、毛刺以及镀铜后板面铜颗粒的xy坐标位置，判断该xy坐标位置所在XY坐标系区域，获取该XY坐标系区域的布线密度、线宽、过孔间距及布线拓朴结构，并对该区域的进行补充清洗，补充清洗具体是：判断披锋、毛刺以及镀铜后板面铜颗粒位置是在线路内还是线路外，如果是布线内，那么获取披锋、毛刺以及镀铜后板面铜颗粒所在线路的布线方向，选择将水喷头和气喷头的角度调整到与所在线路的布线方向一致，然后再进行喷洗，其中所述所在线路的布线方向一致包括0度方向及180度方向，为了避免板面铜颗粒落入其他线路中，因此选择0度或180度两个方向中，板面铜颗粒所在线路顺方向外存在线路较少的角度方向进行喷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的线路板高效冲洗的方法，其特征在于，包括：获取目前正在冲洗的线路板信息；根据所述线路板信息，结合清洗参数，使用冲洗装置对线路板进行喷洗，并获取清洗结果；获取所述清洗参数、所述线路板信息、清洗干净与否的结果的数据，建立清洗历史情况表；通过所述清洗历史情况表，结合聚类算法及图像相似度方法，变更清洗不干净的线路板信息对应的清洗参数，并根据结果再次更新所述清洗历史情况表；通过SVM分类算法，根据所述清洗历史情况表，训练清洗结果预测模型，所述清洗结果预测模型输入特征的是所述清洗历史情况表的清洗参数、线路板信息，预测输出结果为清洗干净与否的结果；当有待洗线路板需要进行清洗时，获取所述待洗线路板的线路板信息，结合需求情况，在达到清洗干净的前提下，选择清洗参数进行清洗。2.根据权利要求1所述的一种基于机器学习的线路板高效冲洗的方法，其特征在于：所述线路板信息包括：线路板的类型、线路板的布线规则、线路板图像；所述线路板的类型包括：单面板、双面板及柔性板；所述线路板的布线规则包括：将线路板建立XY坐标系，并根据XY坐标分为N个区域；获取对应每个区域的布线密度、线宽、过孔间距及布线拓朴结构；所述线路板图像通过视觉模块获取；将所述线路板信息发送并储存入工控机的数据库。3.根据权利要求1所述的一种基于机器学习的线路板高效冲洗的方法，其特征在于：所述清洗参数，包括：水更换率、冲洗间距、清洗强度、清洗角度、冲洗的XY坐标系上的位置点数及每个位置点对应的清洗时间长度；所述清洗参数是预设的或者随时生成，根据不同的线路板信息对于不同的清洗参数；所述清洗参数，还包括特殊情况下的清洗策略，具体包括：获取所述线路板信息，获取所述线路板信息中布线密度最密的区域，获取其密度值；获取过孔间距最小的区域，获取间距值，当密度值大于阈值或间距值小于阈值时，对相应区域重点通过喷气头以及喷水头结合一起喷洗清洁。4.根据权利要求1所述的一种基于机器学习的线路板高效冲洗的方法，其特征在于：所述获取清洗结果，包括：通过第一摄像头结合图像识别技术，获取清洗结果，判断线路板清洗是否干净，具体是：训练线路板污染检测模型，获取清洗后的线路板图像，通过yolov5算法，结合目标检测技术训练线路板污染检测模型，检测清洗后的线路板是否存在，披锋、毛刺以及镀铜后板面铜颗粒，如果存在，判断清洗不干净，如果不存在，判断清洗干净；所述结合目标检测技术训练线路板污染检测模型，包括：通过所述第一摄像头拍取清洗后的线路板图像信息，将清洗后的线路板图像信息发送致lableimg客户端进行目标检测标注，标注清洗后的线路板图像信息的披锋、毛刺以及镀铜后板面铜颗粒，在标注满2000张图片集后，将图片集作为训练数据，通过yolov5算法，结合目标检测技术，进行模型训练，得到线路板污染检测模型。
5.根据权利要求1所述的一种基于机器学习的线路板高效冲洗的方法，其特征在于：所述通过清洗历史情况表，结合聚类算法及图像相似度方法，变更清洗不干净的线路板信息对应的清洗参数，并根据结果再次更新所述清洗历史情况表，包括：遍历所述清洗历史情况表，获取每个线路板信息对应的清洗结果是否干净，如果清洗结果为不干净，计算该条线路板信息中的线路板图像与该条线路板信息所在线路板类型簇中每个其他线路板图像的相似度，当相似度高于第一阈值时，获取相似度高于低于阈值的线路板图像所在线路板信息对应的清洗参数，作为第二清洗参数，将所述第二清洗参数应用于该条线路板信息，结合步骤s21
‑
s22的方法对与该条线路板信息相同的线路板进行再次清洗，并根据结果再次更新所述清洗历史情况表；所述计算该条线路板信息中的线路板图像与该条线路板信息所在线路板类型簇中每个其他线路板图像的相似度，还包括：当无法找到该条线路板信息所在线路板类型簇中相似度高于阈值的线路板图像时，更换该条线路板信息图像的横竖的排版方向格式；所述第二清洗参数，还包括：随机变化所述第二清洗参数中水更换率、冲洗间距、清洗强度、清洗角度、冲洗的XY坐标系上的位置点数及每个位置点对应的清洗时间长度中的某一个到多个数据；所述计算该条线路板信息中的线路板图像与该条线路板信息所在线路板类型簇中每个其他线路板图像的相似度，当无法找到相似度高于第一阈值的其他线路板图像时，获取相似度最高的其他线路板图像，并对比该条线路板信息中的线路板图像与相似度最高的其他线路板图像中相似度最低的区域，通过所述气喷头对所述相似度最低的区域喷洗预设时间；对所述相似度最低的区域的图像进行滤波处理，再次执行步骤S32。所述第二清洗参数，还包括：根据步骤S22获取清洗结果为不干净的线路板中披锋、毛刺以及镀铜后板面铜颗粒的xy坐标位置，判断该xy坐标位置所在XY坐标系区域，获取该XY坐标系区域的布线密度、线宽、过孔间距及布线拓朴结构，并对该区域的进行补充清洗，补充清洗具体是：判断披锋、毛刺以及镀铜后板面...

【专利技术属性】
技术研发人员：吴年升，赖俊崇，
申请(专利权)人：江门市浩远科技有限公司，
类型：发明
国别省市：