[发明专利]一种基于图卷积神经网络的PCB元器件自动定位方法

权利要求书

1.一种基于图卷积神经网络的PCB元器件自动定位方法，其特征在于，包括以下步骤：

(1)、PCB图像采集及预处理

(1.1)、采集多张PCB图像，通过人工标定方式标记每张PCB图像与图像中元器件位置的对应关系，记录出每个元器件的中心坐标F^l，l＝1,2,…,N，N表示PCB图像中元器件数量；

(1.2)、将每张PCB图像缩放到同一分辨率，再对缩放后的每张PCB图像进行归一化处理；

(2)、搭建图卷积神经网络

采用n分支的CNN网络组成图卷积神经网络，其中，每个CNN网络结构均采用卷积池化-卷积池化-卷积-卷积的结构；

(3)、训练图卷积神经网络

(3.1)、将预处理完成后的PCB图像依次输入至图卷积神经网络，经过每一个分支的CNN网络提取出n个输出特征，再将这n个输出特征分别嵌入到n个节点之中，作为节点初始特征，其中，第i个节点V_i的初始特征记为

(3.2)、基于消息传递机制更新每个节点的特征；

设置最大迭代次数K，初始化当前迭代次数t＝1，t＝1,2,…,K；

节点V_i的初始特征经过消息传递机制更新迭代k次后的节点特征记为节点V_i经过k次迭代传递后的消息记为节点V_i与邻接节点之间的边记为邻接节点之间的边权重记为其中，j＝1,2,…,n且i≠j；最终，基于消息传递机制采用双向关系构建出图结构；

(3.3)、将迭代更新后的n个节点特征进行特征通道拼接，得到输出特征，再通过反卷积计算将输出特征上采样到输入图像同样尺寸大小，从而得到预测坐标特征图X；

(3.4)、将预测坐标特征图X中每个元素经过sigmoid()函数运算，得到PCB图像定位的概率密度分布图F(x)；

(3.5)、在F(x)上检测连通区域，每一个连通区域记为一个元器件，并获取连通区域的质心坐标，再将质心坐标作为元器件的预测中心坐标，记为

(3.6)、计算预测中心坐标F_e与中心坐标F之间的误差，建立如下损失函数：

其中，L(θ)为损失函数值；θ为图卷积神经网络的学习参数；表示当L(θ)取最小值时在图卷积神经网络参数θ下第l个元器件的预测中心坐标；

(3.7)、重复步骤(3.1)～(3.6)，直到图卷积神经网络收敛，从而得到用于PCB元器件自动定位的图卷积神经网络;

(4)、PCB元器件自动定位

将待定位的PCB图像按照步骤(1.2)所述方法进行预处理，然后输入至图卷积神经网络，图卷积神经网络直接输出PCB图像中各个元器件的中心坐标，从而实现自动定位。

2.根据权利要求1所述的基于图卷积神经网络的PCB元器件自动定位方法，其特征在于，所述节点V_i经过k次迭代传递后的消息的计算方法为：

其中，mean(·)表示计算节点V_i的所有邻接节点与相邻边的权重的乘积之和取均值，φ(·)表示取均值后的特征与节点V_i的特征进行特征通道拼接。

3.根据权利要求1所述的基于图卷积神经网络的PCB元器件自动定位方法，其特征在于，所述节点V_i经过k次迭代传递后的特征更新公式如下

其中，conv(·)表示卷积运算。