【技术实现步骤摘要】
本申请涉及智能检测领域，且更为具体地，涉及一种金属基板模块的智能加工方法及其系统。
技术介绍
1、随着各种高性能软盘驱动器、计算机用无刷直流电动机、全自动照相机用电动机及一些军用尖端科技产品的快速发展，金属基模板的需求越来越多，为满足其特殊性能，部分模板设计电镀铜厚已达到200微米以上并且满足尺寸399*59毫米。针对此类超厚镀铜板，在电镀、外层线路工序均面临较大的技术瓶颈，从工具以及流程设计优化入手，采用金属基板嵌入基材板→两次压膜技术→显影→电镀→切片铜厚，重复此流程直至满足200微米，有效实现了尺寸为399*59毫米的超厚镀铜金属板的批量加工。
2、金属基板是一种金属线路板材料，属于电子通用元件，由导热绝缘层、金属板及金属箔组成，具有特殊的导磁性、优良的散热性、机械强度高、加工性能好等特点。而金属基板在局部电镀小尺寸铜条过程中，流程复杂同时需管控假板控深锣深度及宽度精度、外层干膜压膜次数(压膜时卷板异常)，电镀停留时间、反复压膜、铜面清洁、局部铜厚高低落差200微米等，通过提升电镀技术以及外层压膜(第一次压膜后撕掉保护膜再压第二次膜)技术，有效实现了尺寸为399*59毫米铜厚为200微米超厚镀铜金属基板的批量加工，满足了客户特种需求。
3、金属基板上的电路连接通常需要非常精确的尺寸和位置。如果两次压膜未对齐，可能会导致电镀过程中铜箔厚度的不均匀分布。如果厚度分布不均匀，会导致线路板上的电流分布不均匀，进而影响线路板的性能。
4、因此，需要一种优化的金属基板模块的加工方案。
>技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种金属基板模块的智能加工方法及其系统，其采用基于机器视觉的人工智能检测技术，通过对完成第一次压膜和第二次压膜后的外层尺寸板图像进行特征提取并作差分，进而判断两次压膜是否对齐。这样，可以实现自动化压膜对齐的判断，有利于提高金属基板模块的加工质量和效率。
2、根据本申请的一个方面，提供了一种金属基板模块的智能加工方法,其包括：
3、获取完成第一次压膜后的外层尺寸板图像和完成第二次压膜后的外层尺寸板图像；
4、将所述完成第一次压膜后的外层尺寸板图像和所述完成第二次压膜后的外层尺寸板图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到第一特征图和第二特征图，所述第一卷积神经网络和所述第二卷积神经网络具有相同的网络结构；
5、将所述第一特征图和所述第二特征图分别通过多分支感知域模块以得到第一多尺度感知特征图和第二多尺度感知特征图；
6、计算所述第一多尺度感知特征图和所述第二多尺度感知特征图之间的差分特征图；
7、对所述差分特征图进行秩序先验化以得到优化差分特征图；
8、将所述优化差分特征图通过分类器以得到分类结果，所述分类结果用于表示两次压膜是否对齐。
9、在上述金属基板模块的智能加工方法中，所述将所述完成第一次压膜后的外层尺寸板图像和所述完成第二次压膜后的外层尺寸板图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到第一特征图和第二特征图，所述第一卷积神经网络和所述第二卷积神经网络具有相同的网络结构，包括：使用所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行卷积处理、基于局部特征矩阵的均值池化处理和非线性激活处理以由所述第一卷积神经网络的最后一层输出所述第一特征图；使用所述第二卷积神经网络的各层在层的正向传递中分别对输入数据进行卷积处理、基于局部特征矩阵的均值池化处理和非线性激活处理以由所述第二卷积神经网络的最后一层输出所述第二特征图。
10、在上述金属基板模块的智能加工方法中，所述将所述第一特征图和所述第二特征图分别通过多分支感知域模块以得到第一多尺度感知特征图和第二多尺度感知特征图，包括：将所述第一特征图和所述第二特征图分别输入所述多分支感知域模块的第一点卷积层以得到第一卷积特征图和第二卷积特征图；分别将所述第一卷积特征图和所述第二卷积特征图通过所述多分支感知域模块的第一分支感知域单元、第二分支感知域单元和第三分支感知域单元以得到第一分支感知特征图、第二分支感知特征图和第三分支感知特征图，以及第四分支感知特征图、第五分支感知特征图和第六分支感知特征图，其中，所述第一分支感知域单元、所述第二分支感知域单元和所述第三分支感知域单元具有并行结构；将所述第一分支感知特征图、所述第二分支感知特征图和所述第三分支感知特征图进行级联以得到第一融合感知特征图，以及将所述第四分支感知特征图、所述第五分支感知特征图和所述第六分支感知特征图进行级联以得到第二融合感知特征图；将所述第一融合感知特征图和所述第二融合感知特征图分别输入所述多分支感知域模块的第二点卷积层以得到第一通道校正融合感知特征图和第二通道校正融合感知特征图；计算所述第一通道校正融合感知特征图和所述第一卷积特征图的按位置点加以得到所述第一多尺度感知特征图，以及计算所述第二通道校正融合感知特征图和所述第二卷积特征图的按位置点加以得到所述第二多尺度感知特征图。
11、在上述金属基板模块的智能加工方法中，所述计算所述第一多尺度感知特征图和所述第二多尺度感知特征图之间的差分特征图，包括：以如下差分公式计算所述第一多尺度感知特征图和所述第二多尺度感知特征图之间的差分特征图；其中，所述差分公式为：
12、
13、其中，fa表示所述第一多尺度感知特征图，表示按位置作差，fb表示所述第二多尺度感知特征图，fn表示所述差分特征图。
14、在上述金属基板模块的智能加工方法中，所述对所述差分特征图进行秩序先验化以得到优化差分特征图，包括：沿着通道维度对所述差分特征图进行特征解耦以得到特征矩阵的序列；计算所述特征矩阵的序列中所有特征矩阵的按位置均值矩阵以得到伪先验中心特征矩阵；计算所述伪先验中心特征矩阵与所述特征矩阵的序列中各个特征矩阵之间的信息熵以得到多个信息熵；基于所述多个信息熵与预定阈值之间的比较，生成秩序先验化掩码特征向量；基于所述秩序先验化掩码特征向量，对所述差分特征图进行处理以得到所述优化差分特征图。
15、在上述金属基板模块的智能加工方法中，所述将所述优化差分特征图通过分类器以得到分类结果，所述分类结果用于表示两次压膜是否对齐，包括：将所述优化差分特征图基于行向量或列向量的展开为分类特征向量；使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
16、根据本申请的另一方面，提供了一种金属基板模块的智能加工系统，其包括：
17、尺寸板数据获取模块，用于获取完成第一次压膜后的外层尺寸板图像和完成第二次压膜后的外层尺寸板图像；
18、孪生编码模块，用于将所述完成第一次压膜后的外层尺寸板图像和所述完成第二次压膜后的外层尺寸板图像通过包含第一卷积神经网络和第二卷本文档来自技高网...
【技术保护点】
1.一种金属基板模块的智能加工方法，其特征在于，包括：
2.根据权利要求1所述的金属基板模块的智能加工方法，其特征在于，将所述完成第一次压膜后的外层尺寸板图像和所述完成第二次压膜后的外层尺寸板图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到第一特征图和第二特征图，所述第一卷积神经网络和所述第二卷积神经网络具有相同的网络结构，包括：
3.根据权利要求2所述的金属基板模块的智能加工方法，其特征在于，将所述第一特征图和所述第二特征图分别通过多分支感知域模块以得到第一多尺度感知特征图和第二多尺度感知特征图，包括：
4.根据权利要求3所述的金属基板模块的智能加工方法，其特征在于，计算所述第一多尺度感知特征图和所述第二多尺度感知特征图之间的差分特征图，包括：以如下差分公式计算所述第一多尺度感知特征图和所述第二多尺度感知特征图之间的差分特征图；
5.根据权利要求4所述的金属基板模块的智能加工方法，其特征在于，对所述差分特征图进行秩序先验化以得到优化差分特征图，包括：
6.根据权利要求5所述的金属基板模块的智能加工方法
7.一种金属基板模块的智能加工系统，其特征在于，包括：
8.根据权利要求7所述的金属基板模块的智能加工系统，其特征在于，所述孪生编码模块，包括：
9.根据权利要求8所述的金属基板模块的智能加工系统，其特征在于，所述差分特征生成模块，用于：以如下差分公式计算所述第一多尺度感知特征图和所述第二多尺度感知特征图之间的差分特征图；
10.根据权利要求9所述的金属基板模块的智能加工系统，其特征在于，所述优化模块，包括：
...【技术特征摘要】
1.一种金属基板模块的智能加工方法，其特征在于，包括：
2.根据权利要求1所述的金属基板模块的智能加工方法，其特征在于，将所述完成第一次压膜后的外层尺寸板图像和所述完成第二次压膜后的外层尺寸板图像通过包含第一卷积神经网络和第二卷积神经网络的孪生网络模型以得到第一特征图和第二特征图，所述第一卷积神经网络和所述第二卷积神经网络具有相同的网络结构，包括：
3.根据权利要求2所述的金属基板模块的智能加工方法，其特征在于，将所述第一特征图和所述第二特征图分别通过多分支感知域模块以得到第一多尺度感知特征图和第二多尺度感知特征图，包括：
4.根据权利要求3所述的金属基板模块的智能加工方法，其特征在于，计算所述第一多尺度感知特征图和所述第二多尺度感知特征图之间的差分特征图，包括：以如下差分公式计算所述第一多尺度感知特征图和所述第二多尺度感知特征图之间...
【专利技术属性】
技术研发人员：刘朝龙，胡志华，
申请(专利权)人：江西威尔高电子股份有限公司，
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。