一种贴片机自动示教的元件分类方法技术

本发明专利技术公开了一种贴片机自动示教的元件分类方法，包括以下步骤:S10：图像前处理；S20：目标轮廓提取；S30：位姿调整；S40：区分元件类型；S50：对元件种类进行分类。本发明专利技术的有益效果是：该方法通过表贴元件的几何特征，实现贴片机自动示教的元件自分类，减少元件库需要建立的元件类别，提高识别效率。提高识别效率。提高识别效率。

【技术实现步骤摘要】
一种贴片机自动示教的元件分类方法


[0001]本专利技术涉及图像识别
，具体地说涉及到一种贴片机自动示教的元件分类方法。

技术介绍

[0002]随着电子制造业的发展，表面贴片技术的发展越来越快，其中贴片元器件的定位精度和速度是影响贴片机性能的重要指标。基于计算机的电子元器件定位方法有着高速、高精度和智能化的特点，不仅增加了生产的柔性和自动化程度，而且大大提高了生产的智能性和通用性，因而高性能贴片机都采用计算机视觉检测技术来提高贴片机的贴片效率。
[0003]贴片机可贴装生产的表面贴装器件的种类很丰富，主要包括片式元件、引脚类元件和BGA类元件等，在贴装某类元件前，需要从元件库中选取已事先分类好的元件类型来编写示教程序，而元件种类多且同一类型元件因几何特征的不同又细分成多种，因此元件库中需要建立的元件类别很多。通过人工来进行识别不仅耗时费力、精度不高，而且还比较容易出错。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术提供一种贴片机自动示教的元件分类方法，该方法通过表贴元件的几何特征，实现贴片机自动示教的元件自分类，减少元件库需要建立的元件类别，提高识别效率。
[0005]本专利技术解决其技术问题所采用的技术方案是：一种贴片机自动示教的元件分类方法，该方法包括以下步骤:
[0006]S10：图像前处理；对图像依次进行平滑滤波、二值化阈值分割以及干扰点滤除的操作；
[0007]S20：目标轮廓提取；对处理后的图像进行轮廓查找，将轮廓面积在同一区间的轮廓进行分类，分别计算其轮廓面积平均值，其中同一区间轮廓数量最多以及轮廓面积平均值最大的轮廓即为目标轮廓；
[0008]S30：位姿调整；获取目标轮廓的最小外接矩形rect，计算最小外接矩形rect的中心坐标以及偏转角度，利用图像平移以及图像旋转，将目标轮廓摆正且置于图像中心；
[0009]S40：区分元件类型；对目标轮廓进行多边形拟合，得到元件的端点个数，然后对所有目标轮廓的拟合端点个数求平均值，通过端点个数差异区分元件类型；
[0010]S50：对元件种类进行分类；先将目标元件移至图像中心且角度为0
°
，以图像中心为基准在元件轮廓的最小外接矩形rect的左上右下四个方向做贯穿元件排列引脚的扫描线，得出扫描线上灰度跃变点个数然后确定引脚个数，然后进行元件种类分类。
[0011]在上述的步骤中，所述步骤S30中设定图像宽度为width，图像高度为height，元件约束角度Φ；
[0012]所述元件像素点到图像中心的偏移为：
[0013]Δx＝rect.center.x
–
width/2；
[0014]Δy＝rect.center.y
–
height/2；
[0015]所述图像中心偏移公式为：
[0016][0017]所述图像旋转矩阵公式为：
[0018][0019]中心偏移矩阵与旋转矩阵相乘，即M
AT
×
M
AR
为元件位姿校正公式：
[0020][0021]其中x和y为原始图像的像素位置，和为位姿校正后像素点的位置。
[0022]在上述的步骤中，所述步骤S40中通过改进Douglas
‑
Peucker算法对元件轮廓进行多边形拟合；
[0023]在上述的步骤中，所述改进Douglas
‑
Peucker算法的步骤包括：
[0024]S401：首先找到多边形轮廓上左上角的点A，遍历计算出距离A点最远的轮廓上的另外一点B，将A点和B点作为两个起始端点将多边形轮廓分为两条曲线AB和BA，同时将直线AB作为曲线AB和BA的弦；
[0025]S402：分别对两条曲线AB和BA进行处理；首先得到曲线AB上离直线段AB距离最大的点C，计算其与直线AB的距离d；对曲线BA也进行上述处理；
[0026]S403：比较距离d与预先设定的距离阈值threshold的大小关系，如果小于阈值threshold，则该直线段作为曲线的近似，该曲线处理完毕；
[0027]S404：如果距离d大于阈值threshold，则将C作为曲线AB的另一端点将其分为两段AC和CB，分别对两段曲线重复上述步骤；
[0028]S405：经过多次迭代处理，直至所有曲线处理完毕，即可得到该多边形轮廓的拟合端点个数。
[0029]在上述的步骤中，所述步骤S403中：阈值threshold＝0.03*arcLength(contours[i],true)，arcLength(contours[i],true)为当前轮廓(true表示封闭曲线)的周长。
[0030]在上述的步骤中，所述步骤S50中确定引脚个数的具体步骤为：利用梯度算法得出扫描线上灰度跃变点个数，然后以五个像素单位取一条扫描线，在每个方向上各取三条扫描线，取灰度跃变点个数为偶数且数量最多的数值，该数值的一半即是元件在该方向上的引脚个数。
[0031]在上述的步骤中，所述步骤S50中元件分类的具体步骤为：
[0032]S501：首先判断元件的轮廓数是否为1且端点数是否为4，如果是，该元件则为片式元件，否则进入步骤S502；
[0033]S502：判断元件的轮廓数是否≥3且端点平均数是否≥7，如果是，该元件则为BGA
类元件；否则进入步骤S503；
[0034]S503：判断元件的轮廓数是否≥3且端点平均数是否为4，如果是，该元件则为引脚类元件。
[0035]在上述的步骤中，所述步骤S503中判断为引脚类元件则会对引脚类元件进行细分，具体包括以下步骤：
[0036]S5301：判断元件的四边引脚数是否相等且引脚数是否≥4，如果是，该元件则为QFP元件；否则进入步骤S5302；
[0037]S5302：判断对边引脚数是否相等且引脚数是否≥2，如果是，该元件则为SOP元件；否则进入步骤S5303；
[0038]S5303：判断对边两边的引脚数是否为1和2，如果是，该元件则为SOT元件，完成对引脚类的元件分类。
[0039]在上述的步骤中，所述步骤S10中使用高斯卷积核对图像进行平滑滤波，使用大津法OTSU对图像进行二值化阈值分割，使用形态学处理—开运算对图像进行干扰点滤除。
[0040]在上述的步骤中，所述步骤S20中采用聚类算法将轮廓面积在同一区间的轮廓进行分类。
[0041]本专利技术的有益效果是：该方法通过表贴元件的几何特征，实现贴片机自动示教的元件自分类，减少元件库需要建立的元件类别，提高识别效率。
附图说明
[0042]图1至图2为SOP24以及BGA的原图。
[0043]图3至图4为SOP24以及BGA二值化后图像。
[0044]图5至图6为SOP24以及BGA经过图像前处理后的完整图像。
[0045]图7为SOP24提取引脚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种贴片机自动示教的元件分类方法，其特征在于，该方法包括以下步骤:S10：图像前处理；对图像依次进行平滑滤波、二值化阈值分割以及干扰点滤除的操作；S20：目标轮廓提取；对处理后的图像进行轮廓查找，将轮廓面积在同一区间的轮廓进行分类，分别计算其轮廓面积平均值，其中同一区间轮廓数量最多以及轮廓面积平均值最大的轮廓即为目标轮廓；S30：位姿调整；获取目标轮廓的最小外接矩形rect，计算最小外接矩形rect的中心坐标以及偏转角度，利用图像平移以及图像旋转，将目标轮廓摆正且置于图像中心；S40：区分元件类型；对目标轮廓进行多边形拟合，得到元件的端点个数，然后对所有目标轮廓的拟合端点个数求平均值，通过端点个数差异区分元件类型；S50：对元件种类进行分类；先将目标元件移至图像中心且角度为0
°
，以图像中心为基准在元件轮廓的最小外接矩形rect的左上右下四个方向做贯穿元件排列引脚的扫描线，得出扫描线上灰度跃变点个数然后确定引脚个数，然后进行元件种类分类。2.根据权利要求1所述的一种贴片机自动示教的元件分类方法，其特征在于，所述步骤S30中设定图像宽度为width，图像高度为height，元件约束角度Φ；所述元件像素点到图像中心的偏移为：Δx＝rect.center.x
–
width/2；Δy＝rect.center.y
–
height/2；所述图像中心偏移公式为：所述图像旋转矩阵公式为：中心偏移矩阵与旋转矩阵相乘，即M
AT
×
M
AR
为元件位姿校正公式：其中x和y为原始图像的像素位置，和为位姿校正后像素点的位置。3.根据权利要求1所述的一种贴片机自动示教的元件分类方法，其特征在于，所述步骤S40中通过改进Douglas
‑
Peucker算法对元件轮廓进行多边形拟合。4.根据权利要求3所述的一种贴片机自动示教的元件分类方法，其特征在于，所述改进Douglas
‑
Peucker算法的步骤包括：S401：首先找到多边形轮廓上左上角的点A，遍历计算出距离A点最远的轮廓上的另外一点B，将A点和B点作为两个起始端点将多边形轮廓分为两条曲线AB和BA，同时将直线AB作为曲线AB和BA的弦；S402：分别对两条曲线AB和BA进行处理；首先得到曲线AB上离直线段AB距离最大的点C，计算其与直线AB的距离d；对曲线BA也进行上述处理；
S403...

【专利技术属性】
技术研发人员：赖泽群，贾孝荣，邓泽峰，
申请(专利权)人：深圳市路远智能装备有限公司，
类型：发明
国别省市：