[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

说明书

本发明公开了一种基于图卷积神经网络的PCB元器件自动定位方法，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，然后将预处理完成后的PCB图像依次输入至图卷积神经网络，基于消息传递机制更新每个节点的特征，进而完成图卷积神经网络的迭代训练，最后将待定位的PCB图像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。

技术领域

本发明属于PCB贴装和检测技术领域，更为具体地讲，涉及一种基于图卷 积神经网络的PCB元器件自动定位方法。

背景技术

在SMT制造生产过程中，需要根据给定的坐标文件进行元器件的贴装，或 者确认是否有漏料或者错料，其中PCB元器件定位是首要环节。在传统的贴装 和检测过程中，主要依据人工定位装配图纸上的元器件来实现。随着图像处理 技术和深度人工神经网络的发展，AOI系统已逐步实现了依赖于人工辅助PCB 元器件的自动定位，例如基于IC型元器件背面特征实现定位算法和基于深度学 习的PCB元器件检测方法。基于IC型元器件背面特征实现定位算法根据引脚信 息和背面信息，再对引脚进行角点检测，利用角点之间距离计算元器件的最小 外接矩形框特征实现元器件的定位。深度学习方法通过采用深度神经网络实现 PCB位号标识识别来实现元器件定位。已公开专利“一种电路板元器件定位方法 及装置”(CN202011298850.6)利用图像处理方法元器件焊盘信息和丝印字符信 息，确定相应元器件的贴片位置和贴片方向的信息。“一种基于卷积神经网络的 元件定位识别方法与流程”(CN111429431A)，利用卷积神经网络来实现丝印字 符的识别。这两种方法主要是针对贴片芯片信息进行定位，依赖于识别元器件 特征和PCB丝印位号字符标识，不能应对漏标丝印字符位号和贴片后丝印字符 被遮挡的情况。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于图卷积神经网络的 PCB元器件自动定位方法，通过图卷积神经网络实现PCB光板图像和贴装后图 像元器件的像素坐标自动定位。

为实现上述发明目的，本发明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；