散装零件快速自动点料方法及系统技术方案

本发明专利技术公开了一种散装零件快速自动点料方法及系统，该方法包括获取待计数的散装零件的图像；利用训练好的神经网络识别图像中的零件类别；根据零件类别，对获取图像的背景与目标零件进行分割，提取分割出的目标零件；利用形态学对提取的目标零件计算区域面积，将计算的区域面积与预设的样本零件的面积阈值进行比较，根据比较结果，统计该类别的目标零件个数，直至获得各个类别的目标零件个数，能有效提升作业效率，提高数料准确度。提高数料准确度。提高数料准确度。

【技术实现步骤摘要】
散装零件快速自动点料方法及系统


[0001]本专利技术涉及电路制造
，尤其涉及散装零件快速自动点料方法及系统。

技术介绍

[0002]多品种少批量生产特点的企业，每个生产批次库房发料和车间收料大多都是散装件，需要占用大量人力进行人工点料。人工点料的方式不但效率低，准确度也没有保证。对于静电敏感器件或一些异形件，人工点料过程，还有可能造成静电不良或其他物理损伤。
[0003]目前，对于手工焊接、组装使用的散装料，市场上没有自动数料设备。基于对手工焊接、组装使用的散装料自动点料的需求现况，我们设计开发基于机器视觉检测技术的快速点料系统，替代现有的人工点料作业模式，解决人力占用问题，提高收发料的准确率和工作效率。

技术实现思路

[0004]因此，本专利技术的目的在于提供一种散装零件快速自动点料方法及系统，实现了对散装零件的自动识别与计数，方便快捷的实现零件的自动技术。
[0005]为了实现上述目的，本专利技术的一种散装零件快速自动点料方法，包括以下步骤：S1、获取待计数的散装零件的图像；S2、利用训练好的神经网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种散装零件快速自动点料方法，其特征在于，包括以下步骤：S1、获取待计数的散装零件的图像；S2、利用训练好的神经网络识别图像中的零件类别；根据零件类别，对获取图像的背景与目标零件进行分割，提取分割出的目标零件；S3、利用形态学对提取的目标零件计算区域面积，将计算的区域面积与预设的样本零件的面积阈值进行比较，根据比较结果，统计该类别的目标零件个数；S4、重复步骤S3，统计各类别所述目标零件的数量。2.根据权利要求1所述的散装零件快速自动点料方法，其特征在于，还包括S0、对待计数的散装零件进行振动，避免散装零件重叠。3.根据权利要求1所述的散装零件快速自动点料方法，其特征在于，所述神经网络采用MLP网络，所述MLP网络进行训练时包括以下步骤：获取各种类型散装零件的历史图像，作为样本零件图像；并将样本零件图像按比例分为测试集和训练集；利用训练集，通过矩形框选择目标和背景，根据矩形框创建目标样本和背景样本；通过形态学计算目标样本的区域面积；根据目标样本的区域面积的最大值和最小值设定样本零件的面积阈值；对符合面积阈值的目标样本进行计数，保存训练好的MLP网络参数；利用测试集对训练好的MLP网络进行测试。4.根据权利要求1所述的散装零件快速自动点料方法，其特征在于，还包括在S3中，当分割出的目标零件边界粘连或出现重叠时，包括以下步骤：S301、对于粘连区域，求出图像的梯度图；S302、对梯度图进行分水岭算法，求得粘连区域的边缘线；S303、根据边缘线得到多个独立ROI区域分别进行特征提取，所述特征包括面积或形状，将提取的特征与预存的样本数据进行比对，根据面积或形状判断是否还存在粘连区域；S304、重复S301
‑
S303，直至粘连区域全部分割完成，对分割区域进行计数。5.根据权利要求4所述的散装零件快速自动点料方法，其特征在于，所述对梯度图进行分水岭算法，包括以下步骤：对粘连区域，利用梯度函数提取图像...

【专利技术属性】
技术研发人员：黄犇，刘洪涛，
申请(专利权)人：天津七一二通信广播股份有限公司，
类型：发明
国别省市：