一种废线路板拆解领域的高价值电子器件自动识别方法技术

本发明专利技术公开了一种废线路板拆解领域的高价值电子器件自动识别方法，通过预制高价值电子元器件的学习图样，并将高价值电子元器件的学习图样预先分类为贵金属回收目类和有效元器件回收目类，架设深度学习神经网络对贵金属回收目类和有效元器件回收目类中高价值电子元器件的图形进行颜色和轮廓学习，配合废线路板的拆解前检测平台检出元器件损坏区域和元器件完好区域，从而实现对二者的分区视觉检测，本发明专利技术的优点在于可以区分仍具有使用功能从而可以回收利用的电子元器件和存在贵金属回收价值的电子元器件，有助于提高识别及回收的稳定性和回收效率，且可以广泛适配不同型号的废电路板。的废电路板。

【技术实现步骤摘要】
一种废线路板拆解领域的高价值电子器件自动识别方法


[0001]本专利技术涉及电子废料回收领域，具体地说，是一种废线路板拆解领域的高价值电子器件自动识别方法。

技术介绍

[0002]目前，我国电子产品年报废达5亿台/540万吨，并正以33％速率增长，环境污染和资源浪费大，迫切需要开发高效的处置利用技术与方法，以实现对线路板金属材料进行回收利用。线路板上的主要金属如铜等主要富集在引脚密集的接口上(如PCI等)，稀贵金属如金、银等主要富集在CPU、IC芯片、晶振及主要总线型接口上，如果对上述含铜及稀贵金属富集的高值电子器件单独拆解，后集中提纯处理，相比于对整块线路板及其上所有电子器件同时处理而言，将会显著提高处置效益，同时也会减少后续提纯过程中化学试剂的用量而降低环境污染。
[0003]若要实现对高值器件的自动拆解，其前提是系统能对废线路板上的高值器件自动识别，并提供坐标以供设备进行自动目标定位，进而拆解。然而，由于废线路板种类繁多，不同废线路板上所含高值电子器件数量、大小、形状、相对位置等都各异，若采用人工识别并进行拆解，会严重降低效率并增加成本，亟待开发自动化的识别方法。
[0004]现有对线路板上电子器件自动识别的方法均采用人工定义特征并结合机器视觉进行识别，其中影响识别准确性最为关键的人工定义特征主要分为两大类，一是轮廓特征，二是颜色特征。然而，同类高值电子器件在同一块线路板或不同类型线路板上的形状、大小、颜色都存在差异，且易受其他非高值电子器件形状、颜色、印刷电路轮廓、线路板底色等背景的干扰，故上述方法虽然对单一类型电子器件或固定类型线路板上多类电子器件识别有较好效果，但不适于生产线上多类型线路板、多类型电子器件的通用性识别，方法的可移植性和鲁棒性差。
[0005]为解决这一问题，我们可以尝试从将物理识别与图像数字识别结合在一起来获得提高识别效率和稳定性的技术效果。

技术实现思路

[0006]专利技术目的：本专利技术目的在于针对现有技术的不足，提供一种废线路板拆解领域的高价值电子器件自动识别方法。
[0007]技术方案：本专利技术所述一种废线路板拆解领域的高价值电子器件自动识别方法，包括以下步骤：
[0008]S1、预制高价值电子元器件的学习图样，并将高价值电子元器件的学习图样预先分类为贵金属回收目类和有效元器件回收目类；
[0009]S2、架设深度学习神经网络对贵金属回收目类和有效元器件回收目类中高价值电子元器件的图形进行轮廓学习，构建轮廓学习模型；
[0010]S3、持续输入图形样本，构建颜色学习模型并将其与轮廓学习模型进行复配；
[0011]S4、架设废线路板的拆解前检测平台，拆解前检测平台上阵列设置有区域通电的针脚，将带拆解的废电路板装载在拆解前检测平台上后控制针脚对废电路板分区供电；
[0012]S5、分区供电检测出废电路板中的元器件损坏区域和元器件完好区域，对元器件损坏区域单独执行贵金属回收目类的视觉检测识别，对元器件完好区域同步执行贵金属回收目类和有效元器件回收目类的视觉检测识别。
[0013]作为优选的，S2中，在深度学习神经网络的基础上内置爬虫工具，利用爬虫工具在公开网络上抓取信息进行大数据学习训练。
[0014]作为优选的，S3中，采用爬虫工具在公开网络上抓取的大数据学习信息作为持续输出图形样本的图源。
[0015]作为优选的，S4中，拆解前检测平台上相邻的针脚之间的距离为0.2mm。
[0016]作为优选的，S4中，拆解前检测平台架设有配合针脚安装区域的压力传感器，废电路板装载在拆解前检测平台上后阵列设置的针脚受到压力参数并获知废电路板装载区域，分区供电的尺度范围根据废电路板装载区域逐步下降，最终缩小至最小元器件通电区域，从而可以实现对废弃电容器的精确定位。
[0017]作为优选的，S1中，预制的高价值电子元器件的学习图样包含各种元器件的常见尺寸的学习图样，使得S2中构建的轮廓学习模型中包含不同的尺寸信息。
[0018]本专利技术相比于现有技术具有以下有益效果：以区分仍具有使用功能从而可以回收利用的电子元器件和存在贵金属回收价值的电子元器件，有助于提高识别及回收的稳定性和回收效率，且可以广泛适配不同型号的废电路板。
具体实施方式
[0019]下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0021]在本专利技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，也可以是成一体；可以是机械连接，也可以是电连接，也可以是通讯连接；可以是直接连接，也可以通过中间媒介的间接连接，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0022]下面以具体地实施例对本专利技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
[0023]实施例1：一种废线路板拆解领域的高价值电子器件自动识别方法，包括以下步骤：
[0024]S1、预制高价值电子元器件的学习图样，并将高价值电子元器件的学习图样预先分类为贵金属回收目类和有效元器件回收目类；
[0025]S2、架设深度学习神经网络对贵金属回收目类和有效元器件回收目类中高价值电子元器件的图形进行轮廓学习，构建轮廓学习模型；
[0026]S3、持续输入图形样本，构建颜色学习模型并将其与轮廓学习模型进行复配；
[0027]S4、架设废线路板的拆解前检测平台，拆解前检测平台上阵列设置有区域通电的针脚，将带拆解的废电路板装载在拆解前检测平台上后控制针脚对废电路板分区供电；
[0028]S5、分区供电检测出废电路板中的元器件损坏区域和元器件完好区域，对元器件损坏区域单独执行贵金属回收目类的视觉检测识别，对元器件完好区域同步执行贵金属回收目类和有效元器件回收目类的视觉检测识别。
[0029]实施例2：一种废线路板拆解领域的高价值电子器件自动识别方法，包括以下步骤：
[0030]S1、预制高价值电子元器件的学习图样，具体的，预制的高价值电子元器件的学习图样包含各种元器件的常见尺寸的学习图样，并将高价值电子元器件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种废线路板拆解领域的高价值电子器件自动识别方法，其特征在于：包括以下步骤：S1、预制高价值电子元器件的学习图样，并将高价值电子元器件的学习图样预先分类为贵金属回收目类和有效元器件回收目类；S2、架设深度学习神经网络对贵金属回收目类和有效元器件回收目类中高价值电子元器件的图形进行轮廓学习，构建轮廓学习模型；S3、持续输入图形样本，构建颜色学习模型并将其与轮廓学习模型进行复配；S4、架设废线路板的拆解前检测平台，拆解前检测平台上阵列设置有区域通电的针脚，将带拆解的废电路板装载在拆解前检测平台上后控制针脚对废电路板分区供电；S5、分区供电检测出废电路板中的元器件损坏区域和元器件完好区域，对元器件损坏区域单独执行贵金属回收目类的视觉检测识别，对元器件完好区域同步执行贵金属回收目类和有效元器件回收目类的视觉检测识别。2.根据权利要求1所述的一种废线路板拆解领域的高价值电子器件自动识别方法，其特征在于：S2中，在深度学习神经网络的基础上内置爬虫工具，利用爬虫工具在公开网络上抓取信息进行...

【专利技术属性】
技术研发人员：江涛，潘卫湘，
申请(专利权)人：深圳市持创捷宇电子科技有限公司，
类型：发明
国别省市：