基于tph-yolov5深度学习的FPC-BTB接口检测定位方法及系统技术方案

本发明专利技术属于装配控制技术领域，提供了基于tph

【技术实现步骤摘要】
基于tph
‑
yolov5深度学习的FPC
‑
BTB接口检测定位方法及系统


[0001]本专利技术属于装配控制
，尤其涉及基于tph
‑
yolov5深度学习的FPC
‑
BTB接口检测定位方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]在3C领域中，产品设计与结构逐渐复杂化，其内部电子元器件因体积微小、姿态不定等技术挑战，导致装配过程需要大量人工操作、且存在产品质量波动大等问题。柔性电路板
‑
板对板连接器(FPC
‑
BTB)是一种常见的连接装配方式，由于BTB接口尺度微小，元器件易损坏，操作精度要求高，BTB接口式FPC的装配目前均依赖于人工。对于FPC
‑
BTB的自动装配，机器人手内目标位姿难以准确匹配，微小位姿偏差即可导致装配失败。为设计实现BTB
‑
FPC的自动装配，基于插头和插孔的结构特征，从视觉角度对BT本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于tph
‑
yolov5深度学习的FPC
‑
BTB接口检测定位方法，其特征在于，包括如下步骤：获取含FPC
‑
BTB的手机背板图像；基于含FPC
‑
BTB的手机背板图像和训练后的tph
‑
yolov5模型检测得到BTB插孔的中心像素点坐标；其中，所述tph
‑
yolov5模型的构建过程包括：在原有yolov5三个预测头的基础上加入了变压器预测头，该预测头由低电平和高分辨率的特征图生成，同时用卷积注意模块和变压器编码器替代原始yolov5框架中的部分卷积块和CSP瓶颈块；将BTB插孔的中心像素点坐标进行坐标系转化得到目标区域机械臂基坐标系下的坐标；根据目标区域机械臂基坐标系下的坐标控制机械臂末端到达该点执行相应的移动装配操作。2.如权利要求1所述的基于tph
‑
yolov5深度学习的FPC
‑
BTB接口检测定位方法，其特征在于，所述将BTB插孔的中心像素点坐标进行坐标系转化采用halcon九点平面标定法对相机和机械臂末端进行手眼标定。3.如权利要求1所述的基于tph
‑
yolov5深度学习的FPC
‑
BTB接口检测定位方法，其特征在于，获取含FPC
‑
BTB的手机背板图像后，采用LabelImg标注图像ROI区域并构建FPC
‑
BTB训练数据集，采用tph
‑
yolov5模型对FPC
‑
BTB训练数据集进行改进，基于改进的数据集获得用于BTB插孔检测的模型数据以及权重文件。4.如权利要求3所述的基于tph
‑
yolov5深度学习的FPC
‑
BTB接口检测定位方法，其特征在于，在得到改进的数据集后，采用mosaic和mixup混合的方法进行数据增强，对数据集中得图像进行随机缩放、裁剪、平移、剪切和旋转处理，随机选取样本进行加权求和。5.如权利要求3所述的基于tph
‑
yolov5深度学习的FPC
‑
BTB接口检测定位方法，其特征在于，在tph
‑
yolov5模型进行训练时，根据改进的数据集对训练参数进行了改进，包括设置前10个epoch为热身，使用0.01作为初始学习率与余弦计划，最后一个时期的学习率衰减到初始学习率的0.1。6.基于tph
‑<...

【专利技术属性】
技术研发人员：宋锐，靖常宇，李凤鸣，付天宇，王艳红，
申请(专利权)人：山东省工业技术研究院，
类型：发明
国别省市：