【技术实现步骤摘要】
本申请涉及到电子器件极性检测，具体而言，涉及到一种电子器件极性检测方法、装置、设备及介质。
技术介绍
1、在smt(surface mount technology；表面贴装技术)/dip(dual in-linepackage；双列直插封装)生产过程中，电子器件极性检测是一个重要的步骤。许多电子器件都有正负极性，如电容、二极管等。如果器件安装时极性反了，会导致器件损坏或电路故障。极性检测可以在器件安装之前发现这种问题，避免浪费时间和成本。传统的依赖于人工视检的目视检查法虽然简单易行，但容易出现人为错误，且效率较低，不符合市场的经济效益。近年来，随着计算机软硬件迅速发展，市场上也出现了基于自动光学检测(aoi)技术的电子器件极性检测方法，然而这些方法往往存在几个弊端，其主要与smt/dip极性检测场景中的以下几点局限性有关：1.smt/dip生产线上的环境光照条件通常比较复杂，可能存在明暗差异、阴影及附近器件遮挡等问题，会影响图像采集质量，而传统的图像处理算法通常对光照比较敏感，导致其在smt/dip场景中的极性标识识别的准确性较差。2...
【技术保护点】
1.一种电子器件极性检测方法，其特征在于，包括：
2.根据权利要求1所述的电子器件极性检测方法，其特征在于，所述深度学习模型包括：深度学习特征提取器，用于对所述模版图像和待检测器件图像分别进行特征提取，输出模版图像对应的所述第一图像特征和待检测器件图像对应的所述第二图像特征；以及模版匹配层，用于计算第一图像特征和第二图像特征的相似度，以及基于所述相似度计算所述模版图像和待检测器件图像之间的质量匹配分数。
3.根据权利要求1所述的电子器件极性检测方法，其特征在于，所述将模版图像和待检测器件图像输入深度学习模型，分别得到第一图像特征和第二图像特征的
【技术特征摘要】
1.一种电子器件极性检测方法，其特征在于，包括：
2.根据权利要求1所述的电子器件极性检测方法，其特征在于，所述深度学习模型包括：深度学习特征提取器，用于对所述模版图像和待检测器件图像分别进行特征提取，输出模版图像对应的所述第一图像特征和待检测器件图像对应的所述第二图像特征；以及模版匹配层，用于计算第一图像特征和第二图像特征的相似度，以及基于所述相似度计算所述模版图像和待检测器件图像之间的质量匹配分数。
3.根据权利要求1所述的电子器件极性检测方法，其特征在于，所述将模版图像和待检测器件图像输入深度学习模型，分别得到第一图像特征和第二图像特征的步骤之前，包括：
4.根据权利要求1所述的电子器件极性检测方法，其特征在于，所述基于所述相似度计算所述模版图像和待检测器件图像之间的质量匹配分数的步骤，包括：...
【专利技术属性】
技术研发人员：茹彬鑫，季聪，
申请(专利权)人：深圳市识渊科技有限公司，
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。