【技术实现步骤摘要】
本专利技术属于焊点缺陷检测，特别是涉及一种基于yolov5模型训练和unapp技术的pcb焊板自动评分系统。
技术介绍
1、pcb焊点检测的方法随着科学技术的发展而不断发展，早期的pcb缺陷检测主要是依靠人工视觉来检查缺陷。操作员通过目视检查来发现表面缺陷。这种方法存在主观性和人力资源成本高的问题。随着自动化程度的提高，设备检测逐渐替代人工视觉检测。常见的pcb自动化检测设备有焊接质量检测仪、x射线检测仪、红外热像仪、智能近场通信检测仪以及pcb激光检测设备等。这些设备都可以快速、准确的判断焊接质量，但是也有着无法避免的缺点。首先是焊接质量检测仪，它可以通过检测焊接点的焊液量、焊脚高度等参数，快速判断焊接质量，但是其成本太高。然后是x射线检测仪和红外热像仪。前者借助x射线通过pcb板，检测焊接点的内部状态和焊接质量，可以检测到隐蔽的焊接缺陷，但是存在着辐射安全性问题。后者通过接收焊接点发出的红外辐射，可以对焊接点非接触式检测。但是这种方法精准度相对较低，无法保证检测结果的可靠性。最后是pcb激光检测设备，它利用激光技术对焊点进行检测，有着高精度、高速度、非接触式和自动化程度高的优点。但是pcb激光检测设备成本较高，需要高额的投资。而且设备不仅需要在相对干净、稳定的环境中操作，来避免灰尘或震动对检测结果的影响，还需要专业的软件对数据进行处理和分析。这对pcb的生产环境和专业化程度提出了较高的要求。
2、随着计算机视觉检测的发展，深度学习可以通过大量图像数据学习各类pcb表面缺陷。再加上互联网技术的高速发展，软件技术不断
技术实现思路
1、本专利技术的目的在于提供一种pcb焊板自动评分系统，以解决上述
技术介绍
中提出的问题。
2、为解决此技术问题，本专利技术的技术方案是：
3、一种pcb焊板自动评分系统，包括如下步骤：
4、s1：拍摄pcb焊点并制作数据集；
5、s2：使用labelimg软件对拍摄好的pcb焊点数据集进行分类以及标注；
6、s3：将步骤s2中标注好的数据集进行数据增强，并按照(6-8)：(2-4)比例将数据集划分为训练集和验证集；
7、s4：将划分好的数据集输入到yolov5网络中进行训练，其中训练epoch值为700，使用预训练模型加快网络的收敛，模型训练好之后进行保存作为对照标准模型；
8、s5:拍摄待检测pcb焊板，获得待检测图片，通过对照标准模型识别待检测图片中每个pcb焊点的类别；
9、s6:根据pcb焊板上pcb焊点的类别个数和置信度分数对当前pcb焊板进行评分，其中，置信度分数代表着这个类别与标准类别的相似度程度，分数越高代表越接近。
10、优选的，步骤s1中数据集至少包括第一组数据、第二组数据以及第三组数据，其中所述第一组数据为模拟低光环境获得的pcb板图像数据；所述第二组数据为模拟自然光环境获得的pcb板图像数据；所述第三组数据为模拟强光环境获得的pcb板图像数据；
11、优选的，获得第一组数据的方法为：将pcb板置于低光环境下，以黑色为背景，通过摄像头拍摄获得若干张当前pcb板的图片数据；获得第二组数据的方法为：将pcb板置于自然光环境下，以白色为背景，通过摄像头拍摄获得若干张当前pcb板的图片数据；获得第三组数据的方法为：将pcb置于高光环境中，以白色为背景，通过摄像头拍摄获得若干张当前pcb板的图片数据。
12、优选的，步骤s2中使用labelimg软件将拍摄好的pcb焊点数据集分成至少六个类别，分别为norm类、little类、tip类、miss类、bridge类以及others类；其中1类代表正常焊接的pcb焊点，焊点质量合格；ittle类代表该焊点表面存在焊接不全的pcb焊点，tip类代表阵脚过长、拖焊的pcb焊点；miss类代表只有贴片，或者能看到小针脚和贴片但是没有进行焊接的pcb焊点；bridge类代表连焊的pcb焊点；6类代表此点位不属于焊点。
13、优选的，步骤s3中，数据增强包括对数据集中图片进行图像颜色反转、图像水平翻转、改变图像的亮度、对原图进行高斯模糊处理以及应用仿射变换改变图像的位置和尺度。
14、优选的，步骤s6中具体的评分方法为：
15、步骤s61：通过公式(1)以及公式(2)分别得到norm类类别的分数占比；
16、
17、
18、其中，m为待测pcb焊板上norm类焊点的个数；pnormi为norm类中每一个焊点都对应一个置信度分数；
19、步骤s62：通过公式(3)以及公式(4)得到little类类别的分数占比；
20、
21、
22、其中，n为待测pcb焊板上little类焊点的个数；plittlej为little类中每一个焊点都对应一个置信度分数；
23、步骤s63：通过公式(5)得到tip类类别的分数占比；
24、
25、其中，p为待测pcb焊板上tip类焊点的个数；ptipk为tip类中每一个焊点都对应一个置信度分数；
26、步骤s64：通过公式(6)得到miss类类别的分数占比；
27、
28、其中，q为待测pcb焊板上miss类焊点的个数；pmissl为miss类中每一个焊点都对应一个置信度分数；
29、步骤s65：通过公式(7)得到bridge类类别的分数占比；
30、
31、其中，r为待测pcb焊板上bridge类焊点的个数；pbridgea为miss类中每一个焊点都对应一个置信度分数；
32、步骤s66：通过公式(8)得到最终的得分；
33、score＝scorenorm+scorelittle+scoretip+scoremiss+scorebridge，即
34、
35、其中all＝m+n+p+q+r。
36、上述技术方案，本专利技术的有益效果是：
37、本专利技术针对pcb图像中存在反光问题，本申请制作了反光数据集，可以有效地应对各种灯光下的pcb焊点识别；另外针对现有pcb自动化检测设备的高要求和各种安全隐患，本申请在pcb焊点检测上不仅能保持算法快速、准确的特性，而且对环境的要求不高，系统稳定性强；此外本申请采用了基于卷积神经网络的焊点识别算法，有效的解决了针对pcb图像中由于焊点种类繁多导致焊点识别效果精度低的问题；总之，本申请可实现对pcb焊点图像的识别和评分，具有速度快、准确率高的特点，有助于帮助评价一块pcb焊点的质量好坏。
本文档来自技高网...【技术保护点】
1.一种PCB焊板自动评分系统，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种PCB焊板自动评分系统，其特征在于：步骤S1中数据集至少包括第一组数据、第二组数据以及第三组数据，其中所述第一组数据为模拟低光环境获得的PCB板图像数据；所述第二组数据为模拟自然光环境获得的PCB板图像数据；所述第三组数据为模拟强光环境获得的PCB板图像数据。
3.根据权利要求2所述的一种PCB焊板自动评分系统，其特征在于：获得第一组数据的方法为：将PCB板置于低光环境下，以黑色为背景，通过摄像头拍摄获得若干张当前PCB板的图片数据；获得第二组数据的方法为：将PCB板置于自然光环境下，以白色为背景，通过摄像头拍摄获得若干张当前PCB板的图片数据；获得第三组数据的方法为：将PCB置于高光环境中，以白色为背景，通过摄像头拍摄获得若干张当前PCB板的图片数据。
4.根据权利要求1所述的一种PCB焊板自动评分系统，其特征在于：步骤S2中使用labelimg软件将拍摄好的PCB焊点数据集分成至少六个类别，分别为norm类、little类、tip类、miss类、brid
5.根据权利要求1所述的一种PCB焊板自动评分系统，其特征在于：步骤S3中，数据增强包括对数据集中图片进行图像颜色反转、图像水平翻转、改变图像的亮度、对原图进行高斯模糊处理以及应用仿射变换改变图像的位置和尺度。
6.根据权利要求1所述的一种PCB焊板自动评分系统，其特征在于：步骤S6中具体的评分方法为：
...【技术特征摘要】
1.一种pcb焊板自动评分系统，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种pcb焊板自动评分系统，其特征在于：步骤s1中数据集至少包括第一组数据、第二组数据以及第三组数据，其中所述第一组数据为模拟低光环境获得的pcb板图像数据；所述第二组数据为模拟自然光环境获得的pcb板图像数据；所述第三组数据为模拟强光环境获得的pcb板图像数据。
3.根据权利要求2所述的一种pcb焊板自动评分系统，其特征在于：获得第一组数据的方法为：将pcb板置于低光环境下，以黑色为背景，通过摄像头拍摄获得若干张当前pcb板的图片数据；获得第二组数据的方法为：将pcb板置于自然光环境下，以白色为背景，通过摄像头拍摄获得若干张当前pcb板的图片数据；获得第三组数据的方法为：将pcb置于高光环境中，以白色为背景，通过摄像头拍摄获得若干张当前pcb板的图片数据。
4.根据权利要求1所述的一...
【专利技术属性】
技术研发人员：周昌军，陈芳林，张傲然，张志聪，
申请(专利权)人：浙江师范大学，
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。