一种电子元器件缺陷识别方法技术

本发明专利技术提供了一种电子元器件缺陷识别方法，涉及图像识别技术领域，该方法包括：采集电子元器件的结构图像，并对结构图像进行降噪处理，得到降噪图像；通过图像分割技术将降噪图像划分为若干个分割图像；提取全部分割图像的显著点；分别计算分割图像中全部像素点的特征矩阵；通过神经网络模型得到全部特征矩阵的特征向量；计算特征向量的相似度，若计算结果未超过相似度阈值，则认为特征向量对应的结构图像内存在缺陷。该方法通过边缘检测技术提高了图像识别的精确度，并通过人工智能实现了自动化检测。

【技术实现步骤摘要】

本专利技术涉及图像识别，特别是涉及一种电子元器件缺陷识别方法。

技术介绍

1、随着社会经济的发展、工业化社会的推进，工业生产领域人工智能系统飞速发展，电子产品应用随之提高，电子元器件作为电子产品的重要构件，其质量的好坏直接影响电子产品使用效果。

2、电子元器件通常由很多部件构成，且构成部件的体积较小，在生产过程中容易出现组装漏装部件的现象，并且通过rgb相机很难获得元器件内部的部件组装情况，因而需利用x光机采集保险的内部信息图像。

3、但是，由于x光机拍摄的图像清晰度相对小，同时其颜色信息丰富度也相对较少，因而检测时其很容易出现误检现象。因此，设计一种电子元器件缺陷识别方法是十分有必要的。

技术实现思路

1、本专利技术的目的是提供一种电子元器件缺陷识别方法，以通过边缘检测技术提高图像识别的精确度，并通过人工智能实现自动化检测。

2、为实现上述目的，本专利技术提供了如下方案：

3、一种电子元器件缺陷识别方法，包括如下步骤：

4、采集电子元器件的结构图像本文档来自技高网...

【技术保护点】

1.一种电子元器件缺陷识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的电子元器件缺陷识别方法，其特征在于，对所述结构图像进行降噪处理的具体方法为：通过高斯滤波器对所述结构图像进行滤波降噪处理；所述滤波降噪的具体公式为：；其中，为降噪图像，为结构图像，x为图像中像素的横坐标，y为图像中像素的纵坐标，i为横坐标的增量，j为纵坐标的增量，G(x,y)为高斯滤波器的权重，k为高斯滤波器的大小。

3.根据权利要求1所述的电子元器件缺陷识别方法，其特征在于，所述图像分割技术采用灰度阈值分割法。

4.根据权利要求1所述的电子元器件缺陷识别方法，其特征在...

【技术特征摘要】

1.一种电子元器件缺陷识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的电子元器件缺陷识别方法，其特征在于，对所述结构图像进行降噪处理的具体方法为：通过高斯滤波器对所述结构图像进行滤波降噪处理；所述滤波降噪的具体公式为：；其中，为降噪图像，为结构图像，x为图像中像素的横坐标，y为图像中像素的纵坐标，i为横坐标的增量，j为纵坐标的增量，g(x,y)为高斯滤波器的权重，k为高斯滤波器的大小。

3.根据权利要求1所述的电子元器件缺陷识别方法，其特征在于，所述图像分割技术采用灰度阈值分割法。

4.根据权利要求1所述的电子元器件缺陷识别方法，其特征在于，提取全部所述分割图像的显著点，具体步骤如下：

5.根据权利要求4所述的电子元器件缺陷识别方法，其特征在于，所述特征幅值的计算公式为：；其中，m为特征幅值，分别为像素点8个方向的变化率；所述像素点8个方向分别为：水平的左右方向、垂...

【专利技术属性】
技术研发人员：赵臣龙，
申请(专利权)人：俐玛光电科技北京有限公司，
类型：发明
国别省市：