【技术实现步骤摘要】
一种基于YOLOv5的电路板检测点定位方法
[0001]本专利技术属于图像检测
，尤其涉及一种基于YOLOv5的电路板检测点定位方法。
技术介绍
[0002]对于电路板特征点检测模块的研究，2017年，Liu Z等在canny边缘检测的基础上，运用主成分分析和分段随机霍夫变换圆对PCB板Mark点进行定位并给出准确的定位参数。2019年，Wu Z等提出了一种基于亚像素边缘检测和最小二乘拟合的圆形PCB标记精确定位算法，通过模板匹配，边缘检测粗略得到标记位置，再利用最小二乘拟合和亚像素边缘点进一步准确拟合，定位误差较小。2021年，Melnyk R等通过K
‑
means聚类、填充和细化算法，构建骨架并寻找特殊接触点的像素。Cho T H等通过构建LPRNet神经网络，识别印刷在PCB组件上的字符。识别摄像头拍摄的电路板探测点是之后一切操作的基础，因此正确获得检测点像素坐标是整个系统的关键。传统计算机视觉识别通过二值化、腐蚀膨胀和边缘检测等传统方法进行检测识别。但是传统检测算法会受到环境因素的影响，比如灯...
【技术保护点】
【技术特征摘要】
1.一种基于YOLOv5的电路板检测点定位方法，其特征在于，包括如下步骤：步骤1：采用YOLOv5目标检测算法对拍摄的电路板图像中检测点像素位置进行定位；步骤2：采用基于神经网络拟合的手眼标定算法将检测点的像素坐标转换为实际空间坐标；步骤3：采用动态松弛投票的方式对得到的检测点空间坐标进行分类，分别计算坐标点集中任意两点构成的直线参数，找出出现次数最多的直线参数，计算坐标点集中任意点到直线的距离，将距离与阈值进行判断，从而进行分类；最后利用最小二乘法拟合坐标点得到最后的电路板角度信息，最终确定检测点位置信息，实现电路板检测点的定位。2.根据权利要求1所述的基于YOLOv5的电路板检测点定位方法，其特征在于，所述步骤1包括如下具体步骤：步骤1.1：采用电路板正放，拍摄光线明亮、电路板正放，拍摄光线昏暗、电路板不同角度斜放，拍摄光线明亮和电路板不同角度斜放，拍摄光线昏暗各6张图片，共24张图片作为训练集，6张随机拍摄图片作为测试集；步骤1.2：经过800轮训练，模型最终在训练集上的mAP@0.5为0.995，经过推理检测后，检测目标被矩形框框选，并且显示置信度，即当前框选对象为检测目标的概率，算法采用矩形框的中心作为检测目标的像素坐标，得出光线亮度和电路板的摆放情况对于YOLO算法最终的推理结果没有较大的影响，表明算法对于场景不具有依赖性，并且每种场景下的检测效果精度较优，均能识别出所有的检测点；步骤1.3：测试YOLOv5算法在不同场景下的识别精准度和识别效果的稳定性：以算法推理检测点成功率、推理结果的置信度作为算法识别精准度和稳定性的衡量指标，分别在正放，光线明亮、正放，光线昏暗、斜放，光线明亮和斜放，光线昏暗四种场景下各进行20次实验，得到检测置信度分布和准确率，得出在不同的场景下，算法的检测准确率都为100％；步骤1.4：研究光线强度和摆放位置对于算法检测稳定性的影响：通过分析对比各场景下的推理结果置信度分布，得到，光线明亮的情况下，推理结果的置信度较光线昏暗的情况下的推理结果置信度较高；电路板正放时，推理结果的置信度较斜放时的推理结果执行难度较高，因此可以得出当光线明亮，电路板正放时，推理结果置信度较高，推理结果较为稳定。3.根据权利要求1所述的基于YOLOv5的电路板检测点定位方法，其特征在于，所述步骤2包括如下具体步骤：步骤2.1：基于手眼标定算法，通过引入神经网络拟合的方法，直接拟合像素坐标至空间坐标的关系；步骤2.2：构建神经网络结构；步骤2.3：检验基于神经网络拟合的手眼标定算法的精度：采样49组数据，每组数据由像素坐标及其对应的空间坐标组成，并随机抽取10组数据作为测试集，剩余39组数据作为训练集，分别采用传统的仿射变换标定算法和基于神经网络拟合的手眼标定算法进行测试，得到神经网络法最终的拟合效果要优于采用仿射变化法拟合的效果。4.根据权利要求1所述的基于YOLOv5的电路板检测点定位方法，其特征在于，所述步骤3包括如下具体步骤：步骤3.1：对经YOLOv5算法推理后返回的电路板检测点的无序的像素坐标集合进行分
类；对于电路板结构而言，检测点呈现两条平行直线排列，因此得到的像素坐标应为双平行散点分布，由于YOLOv5检测存在一定的像素偏差，因此得到的像素坐标不一定严格符合平行列，即属于一条直线上的检测点像素坐标可能分布在某条直线的附近，因此，上述问题...
【专利技术属性】
技术研发人员：夏煌，方银锋，王帮雨，濮程红，刘子洋，
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。