[发明专利]电子元件极性的识别方法和系统、标注方法和系统

说明书

本发明涉及一种电子元件极性方向的识别方法和系统、标注方法和系统。现在的电子元件极性方向判断准确率较低，可扩展性受限。本发明是先获取包含电子元件的图像，再利用训练后的卷积神经网络对其作前向计算，得到电子元件的极性方向类别的概率分布，选择其中概率最大的极性方向类别作为电子元件的极性方向类别，由于使用了卷积神经网络，能自动精准地识别电子元件的极性方向，而且并不针对特定的电子元件结构，适用于各种带极性的电子元件，实现跨类别的电子元件的极性方向识别，适用性较广。根据确定的目标电子元件的极性方向，可以应用于板式制作，对电子元件进行极性方向标注，从而提升板式制作的自动化水平，改善板式制作的效率与准确性。

技术领域

本发明涉及自动光学检测领域，特别是涉及一种电子元件极性的识别方法和系统、标注方法和系统。

背景技术

目前，对于PCB板，需要在对其上的电子元件进行极性方向判断。现在对于电子元件极性方向判断，主要有两种方法：一是基于元件结构特征的极性方向判断，这种方法是基于特定的元件结构特征，通常只针对某类元件设计，适用性受限，另外，部分结构特征在不同环境下(如光照不同、拍摄角度不同、噪声干扰等)不稳定，导致判断准确率较低；二是基于正反模板匹配的极性方向判断，只要针对每种元件都设定一个模板，但这样可能会因多类别模板混用而导致准确率降低，而且元件只要外观稍有不同就得引入新的模板，可扩展性受限，计算时间也会因模板库的增大而增加。

发明内容

基于此，有必要针对电子元件极性方向判断准确率低、适用性有限的问题，提供一种电子元件极性方向的识别方法和系统、标注方法和系统。

一种电子元件极性方向的识别方法，包括以下步骤：

获取包含目标电子元件的图像；

使用训练后的卷积神经网络对图像作前向计算，得到目标电子元件属于各类电子元件的各种极性方向类别的概率分布；

选取概率最大的极性方向类别作为目标电子元件的极性方向类别。

根据上述识别方法，其是先获取包括电子元件的图像，再利用训练后的卷积神经网络对其作前向计算，得到电子元件的极性方向类别的概率分布，选择其中概率最大的极性方向类别作为电子元件的极性方向类别，此方案中使用了卷积神经网络，可以自动精准地识别电子元件的极性方向，而且并不针对特定的电子元件结构，适用于各种带极性的电子元件，实现跨类别的电子元件的极性方向识别，适用性较广。

在其中一个实施例中，在获取包含目标电子元件的图像的步骤之后，包括以下步骤：

获取目标电子元件的模板图，以目标电子元件的模板图对图像中的目标电子元件进行匹配，获得图像中的目标电子元件的精确位置，根据精确位置对图像中的目标电子元件进行调整，使图像中的目标电子元件位于图像的中心，调整后的图像供训练后的卷积神经网络作前向计算。

在其中一个实施例中，训练后的卷积神经网络通过以下步骤获得：

建立各类电子元件的各种极性方向的图像样本集；

通过预设的外部数据集预训练卷积神经网络，其中外部数据集包含多个类别的多张已预先标注的自然图像；

根据图像样本集，对预训练后的卷积神经网络进行调整并作进一步训练，得到训练后的卷积神经网络。

在其中一个实施例中，建立各类电子元件的各种极性方向的样本集的步骤包括以下步骤：

获取PCB板卡图像和PCB模板图，并以PCB模板图为参考，对PCB板卡图像进行位置配准；