【技术实现步骤摘要】
本专利技术涉及贴片电阻，特别涉及一种新的视觉检测贴片电阻的方法。
技术介绍
1、贴片电阻是常见的pcb(印刷电路板)上的元件，主要有三个参数：阻值、封装大小、误差范围。元件上有数字代号代表阻值、误差范围。
2、目前同行采用标准样板对比的方法检测是否错件，即图片相似度对比，该方法需要有标准样板的条件，且仅能检测阻值是否一致，不能识别封装大小、误差范围，且若字体稍微不同、代号表达方式不同，就无法识别，制作标准样板需人工框选范围、耗时且通用性差，为此，提出一种新的视觉检测贴片电阻的方法。
技术实现思路
1、有鉴于此，本专利技术实施例希望提供一种新的视觉检测贴片电阻的方法，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。
2、本专利技术实施例的技术方案是这样实现的：一种新的视觉检测贴片电阻的方法，包括以下步骤：
3、s1、准备已贴元件的电路板，通过扫描仪得到待测电阻图片；
4、s2、将待测电阻的图片通过检测模型的构建方法进行检测电阻位置和外框，将待测电阻图片检测并截取出电阻具体的位置和范围，通过dpi和像素大小计算出实际的物理尺寸，得到封装最佳的模型，该过程无需人工干预；
5、s3、通过部署检测模型的方法用于对模型进行匹配检测，若匹配检测通过时，通过文字方向分类器对模型将文字旋转为正确的角度，若匹配检测未通过时，模型若不是已经处理过的图片，需要对模型的图片进行优化处理再次检测，回到s2中，模型若是已经处理过的图片，需
6、s4、将经过文字方向分类器处理后的模型通过ocr识别文字进行过滤处理与计算。
7、在一些实施例中，在所述s2中，检测模型的构建方法的如下，
8、s2－1、裁剪出电阻局部的图像；
9、s2－2、通过标注工具，将电阻上的丝印部分框住，并填写实际文字；
10、s2－3、导出标注信息文件，完成数据集的制作，得到大量的电阻局部图片和用以深度学习训练的标注信息；
11、s2－4、配置图片位置、标注信息的参数，调整预处理函数；
12、s2－5、随机划分训练集和验证集，训练集和验证集以80％和20％的比例划分；
13、s2－6、启动深度学习训练，得到最佳的模型；
14、s2－7、导出模型至onnx格式。
15、在一些实施例中，在所述s3中，部署检测模型的方法如下，
16、s3－1、使用onnx runtime加载上述训练并导出好的模型；
17、s3－2、匹配与训练时所使用的参数，参数包括模型尺寸大小和预处理函数；
18、s3－3、将待检测的电阻图片作为输入；
19、s3－4、执行推理，得到结果。
20、在一些实施例中，在所述s4中，ocr识别文字进行过滤处理与计算的方法如下，
21、s4－1、进行排出电阻命名规则不存在的字母后，进行命名类型匹配；
22、s4－2、在命名类型匹配时得出三位数字、四位数字以及符合eia－96格式的代号代表的误差范围，并解析得到阻值；
23、s4－3、最后通过判断检测值是否合理，进行输出或重测，提高准确率。
24、在一些实施例中，所述标注信息包含框选区域的像素起点位置和宽度高度信息和实际文字。
25、在一些实施例中，所述预处理函数包括对图片进行尺寸调整、添加色彩噪点和高斯模糊的方式进行处理，使得训练图像更随机。
26、在一些实施例中，所述深度学习训练是通过使用训练集中大量的标签化数据进行训练，通过数据学习特征，最终通过验证集的数据进行评估形成一个最佳的模型。
27、在一些实施例中，所述排除电阻命名规则不存在的字母指的是根据电阻命名规范，只有纯数字或者两位数字+一位字母的情况，否则判错重测，字母中只会存在a、b、c、d、e、f、x和y，其余字母排除，特殊情况字母o因为与数字0长得很像，所以当出现字母o的情况下，会替换成0。
28、在一些实施例中，所述误差范围中用四位数字表示，代表误差为1％，用eia－96包含字母的格式，代表误差为1％，用于三位数字表示，代表误差为5％。
29、本专利技术实施例由于采用以上技术方案，其具有以下优点：
30、本专利技术通过采用一种新的视觉检测贴片电阻的方法，能够无需标准样板的条件下检测阻值、封装大小、误差范围，更加智能化和通用性更优，无需人工框选、无需制作标准样板，拥有自动过滤、修正以提高正确率的算法，正向、反向的电阻图像都能检测，适合电阻这类无极性的应用场景。
31、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本专利技术进一步的方面、实施方式和特征将会是容易明白的。
本文档来自技高网...【技术保护点】
1.一种新的视觉检测贴片电阻的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的新的视觉检测贴片电阻的方法，其特征在于：在所述S2中，检测模型的构建方法的如下，
3.根据权利要求1所述的新的视觉检测贴片电阻的方法，其特征在于：在所述S3中，部署检测模型的方法如下，
4.根据权利要求1所述的新的视觉检测贴片电阻的方法，其特征在于：在所述S4中，OCR识别文字进行过滤处理与计算的方法如下，
5.根据权利要求2所述的新的视觉检测贴片电阻的方法，其特征在于：所述标注信息包含框选区域的像素起点位置和宽度高度信息和实际文字。
6.根据权利要求2所述的新的视觉检测贴片电阻的方法，其特征在于：所述预处理函数包括对图片进行尺寸调整、添加色彩噪点和高斯模糊的方式进行处理，使得训练图像更随机。
7.根据权利要求2所述的新的视觉检测贴片电阻的方法，其特征在于：所述深度学习训练是通过使用训练集中大量的标签化数据进行训练，通过数据学习特征，最终通过验证集的数据进行评估形成一个最佳的模型。
8.根据权利要求4所述的新的
9.根据权利要求4所述的新的视觉检测贴片电阻的方法，其特征在于：所述误差范围中用四位数字表示，代表误差为1％，用EIA－96包含字母的格式，代表误差为1％，用于三位数字表示，代表误差为5％。
...【技术特征摘要】
1.一种新的视觉检测贴片电阻的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的新的视觉检测贴片电阻的方法，其特征在于：在所述s2中，检测模型的构建方法的如下，
3.根据权利要求1所述的新的视觉检测贴片电阻的方法，其特征在于：在所述s3中，部署检测模型的方法如下，
4.根据权利要求1所述的新的视觉检测贴片电阻的方法，其特征在于：在所述s4中，ocr识别文字进行过滤处理与计算的方法如下，
5.根据权利要求2所述的新的视觉检测贴片电阻的方法，其特征在于：所述标注信息包含框选区域的像素起点位置和宽度高度信息和实际文字。
6.根据权利要求2所述的新的视觉检测贴片电阻的方法，其特征在于：所述预处理函数包括对图片进行尺寸调整、添加色彩噪点和高斯模糊的方式进行处理，使得训练图像...
【专利技术属性】
技术研发人员：王礼忠，袁海栋，
申请(专利权)人：深圳市派捷电子科技有限公司，
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。