[发明专利]电子元件极性方向的快速识别、标注的方法和系统

说明书

本发明涉及一种电子元件极性方向的快速识别、标注方法和系统。获取包括目标电子元件的图像，再利用训练后的卷积神经网络对其作前向计算，获得目标电子元件的极性方向类别的分类特征，再获取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，选取其中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。此方案中使用了卷积神经网络，通过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。

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方向的快速识别、标注的方法和系统。

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快速识别、标注的方法和系统。

一种电子元件极性方向的快速识别方法，包括以下步骤：

获取包含目标电子元件的图像；

利用训练后的卷积神经网络对包含目标电子元件的图像数据作前向计算，获得目标电子元件的极性方向类别的分类特征，根据分类特征获取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。

根据上述快速识别方法，其是获取包括目标电子元件的图像，再利用训练后的卷积神经网络对其作前向计算，获得目标电子元件的极性方向类别的分类特征，再获取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，选取其中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。此方案中使用了卷积神经网络，通过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，利用训练后的卷积神经网络对包含目标电子元件的图像数据作前向计算，获得目标电子元件的极性方向类别的分类特征的步骤包括以下步骤：

通过卷积层对图像数据进行卷积运算，接着通过激活函数层进行非线性变换，再通过池化层进行池化操作，然后通过全连接层获得目标电子元件的极性方向类别的分类特征，其中，卷积神经网络包括卷积模块和全连接层，卷积模块包括依次连接的卷积层、激活函数层和池化层。

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；

利用卷积神经网络中相互连接的卷积模块和全连接层对图像样本集的各图像样本数据分别进行前向计算，获得各类电子元件的各种极性方向类别的分类特征，根据各分类特征训练卷积神经网络，使卷积神经网络识别各类电子元件的各种极性方向。

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；