买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈工大机器人(合肥)国际创新研究院

摘要：一种PCBA外观检测方法及装置，属于工业视觉检测技术领域，解决如何采用机器视觉检测方法提高表面安装有复杂立体电子元器件的PCBA的检测效率，方法将深度学习训练得到的元器件模型应用于标准PCBA图像，提取识别标准PCBA图像中的各个元器件；将待检测PCBA板的元器件位置信息和标准PCBA板的元器件位置信息逐个进行对比，计算每个对应标注框的面积交叉比IOU来判断电子元件是否存在错焊、漏焊，解决了传统的PCBA外观检测主要采用人工目视方式，带来的劳动强度高、工人易疲劳，且检测效率偏低的问题，降低人力成本、提升检测效率；装置结构简单，成本低。

主权项：1.一种PCBA外观检测方法，其特征在于，包括以下步骤：S1、将标准PCBA放入PCBA放置槽内，采集得到一幅标准PCBA图像；S2、对标准PCBA图像进行二值化分割处理，获得PCBA的区域掩模，对PCBA图像进行定位；S3、将深度学习训练得到的元器件模型应用于标准PCBA图像，提取识别标准PCBA图像中的各个元器件；所述的深度学习训练得到的元器件模型的方法为：S31、准备多个PCBA板作为训练样本，逐个将PCBA板放入放置槽内；S32、摄像机逐个采集PCBA板的图像并储存至PCBA图像训练集；S33、对采集的PCBA板的图像进行离线标注，采用虚线框表示标注框、图标表示被标注的元器件、文字表示元器件的标签；S34、将标注过的图像训练集输入至Darknet-53搭配FPN金字塔特征检测网络进行训练，得到不同型号规格的元器件的模型；所述的Darknet-53搭配FPN金字塔特征检测网络的具体流程为：首先采用3x3步长为1的卷积核对原始的416*416*3的输入做初步的特征提取，再采用3x3步长为2的卷积核对特征图做下采样；再经过一个残差层，做下采样处理，此时图像分辨率为104*104；再经过8个残差层后，再一次下采样，得到分辨率52*52的特征图；再依次经过8个残差层，又一次下采样得到分辨率26*26的特征图；最终经过4个残差层，得到13*13分辨率的特征图；在分辨率为13*13、26*26、52*52的特征图上分别使用目标检测头来获得结构化的目标检测输出；S4、根据PCBA的区域掩模以及元器件的识别结果，获得各个元器件在标准PCBA上所处的位置信息；S5、将待检测PCBA放入PCBA放置槽内，采集待检测PCBA的图像，然后进行二值化分割和元器件识别，获得各个元器件在待检测PCBA板上所处的位置信息；S6、将待检测PCBA板的元器件位置信息和标准PCBA板的元器件位置信息逐个进行对比，计算每个对应标注框的面积交叉比IOU，输出检测结果并将其保存至数据库。

全文数据：

权利要求：

百度查询： 哈工大机器人(合肥)国际创新研究院 一种PCBA外观检测方法及装置