【技术实现步骤摘要】
电路板电子元件检测方法、装置及计算机设备
[0001]本专利技术涉及计算机视觉检测
,尤其涉及一种电路板电子元件检测方法、装置及计算机设备。
技术介绍
[0002]电路板是控制电子设备运行的中枢,几乎所有的电子设备,如电脑及相关产品、通讯设备、消费电子类设备等的运行都离不开电子电路板的控制,因此对电子电路板板生产制造过程中的质量监控非常重要。在电路板完成电子元件插件后需要对其进行检测,判断各电子元件,如电阻、电容、二极管等,是否存在插错、极性插反、破损、元件弯角等缺陷。目前主要的检测技术通常需要先做制程,将CCD相机拍摄的图像中的电子元件以手动的方式标识出来,然后再将标识好的电子元件从整个电路板板的图像中截取出来,与标准模板库中的电子元件图片进行比对,从而检测出电子元件在插件时是否产生缺陷。然而,以手工方式做制程,大大降低了检测效率,并且这种方式不适合在线式检测,只适合离线式检测。采用基于深度学习目标检测的方法,可以自动对电路板上的电子元件进行自动分类识别,并且直接输出元件在原图像上的位置和大小。利用上述信息,可自动分割出电子元件,从而大大提高了检测效率。相对于传统的图像处理算法,采用基于深度学习的目标检测方法不需要进行滤波、二值化、边缘检测、腐蚀、膨胀等技术和设置各种处理参数,对于背景复杂的图像,也能以较高的准确率识别图像中的目标。
[0003]目前,目标检测算法可分为两大类:一类是基于区域提名的深度学习检测算法。它们首先使用Edge Boxes(Locating Object Proposals f ...
【技术保护点】
【技术特征摘要】
1.一种电路板电子元件检测方法,其特征在于,包括:制作图像数据集步骤:采集多张电路板原始图像,对所述电路板原始图像从不同起始点进行截取,选出含有电子元件的截取图像组成图像数据集;图像数据集标注步骤:分别对所述图像数据集中的各图像进行电子元件标注;检测模型训练步骤:将标注后的图像数据集分为训练集和验证集,对基于Swin
‑
Transformer神经网络的检测模型进行训练和验证,生成图像检测模型;图像检测步骤:先对原始电子电路板图像采用扫描分割的方法将图像分割成适合所述图像检测模型输入尺寸大小的检测图像,然后将所述检测图像输入所述图像检测模型中进行检测;检测结果筛选步骤:对所有的所述检测图像的检测结果进行筛选,去除重复的检测结果,并在对应的所述原始电子电路板图像上标出最终检测到的电子元件的类别和位置。2.根据权利要求1所述的电路板电子元件检测方法,其特征在于,所述对所述电路板原始图像从不同起始点进行截取,选出含有电子元件的截取图像组成图像数据集方法包括:每张原始图像从不同的起始位置进行多次截取,每次截取按照第一设定的尺寸依次分割,将原始图片截取成多张图像;从所有截取图像中挑选出含有电子元件的图像组成所述图像数据集。3.根据权利要求1所述的电路板电子元件检测方法,其特征在于,所述分别对所述图像数据集中的各图像进行电子元件标注方法包括:当电子元件在图像中显示完整时,对电子元件进行标注;其中,标注文件中包含电子元件的类别、目标框在图像中左上角和右下角的坐标信息;当有些电子元件位于图像的边缘,部分被截断,显示不完整时,不对该电子元件进行标注。4.根据权利要求1所述的电路板电子元件检测方法,其特征在于,所述将标注后的图像数据集分为训练集和验证集,对基于Swin
‑
Transformer神经网络的检测模型进行训练和验证,生成图像检测模型方法包括:将图像数据集按一定比例分为训练集和验证集;对所述基于Swin
‑
Transformer神经网络的检测模型进行训练及验证;其中,在训练模型时,首先加载预训练模型,然后对标注后的图像数据进行检测模型训练及验证。5.根据权利要求1所述的电路板电子元件检测方法,其特征在于,所述先对原始电子电路板图像采用扫描分割的方法将图像分割成适合所述图像检测模型输入尺寸大小的检测图像,然后将所述检测图像输入所述图像检测模型中进行检测方法包括:第一轮分割步骤:将所述原始电子电路板图像作为待检测图像从[0,0]位置开始,按照第二设定尺寸依次分割图像,当所述待检测图像的末端尺寸不够第二设定尺寸时,则用黑色填充补齐;第二轮分割步骤:将所述待检测图像从像素点[第二设定尺寸的宽度/2,0]位置开始,按照第二设定尺寸依次分割图像,当所述待检测图像的末端宽度尺寸不够第二设定尺寸时,最后一次分割图像从所述...
【专利技术属性】
技术研发人员:高书俊,江海安,张在东,童明娇,岂靖林,
申请(专利权)人:深圳市世宗自动化设备有限公司,
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。