一种SMT智能防错上料检测仪制造技术

公开了一种SMT智能防错上料检测仪。其首先对被检测PCB板的检测图像进行预处理以得到预处理后检测图像，接着，分别对所述预处理后检测图像和所述参考图像进行图像分块处理以得到检测图像块的序列和参考图像块的序列，然后，将所述检测图像块的序列和所述参考图像块的序列分别通过双重检测模型以得到检测语义特征向量和参考语义特征向量，接着，计算所述检测语义特征向量和所述参考语义特征向量之间的差分特征向量，最后，将所述差分特征向量通过分类器以得到用于表示被检测PCB板上的元器件是否被正确地放置的分类结果。这样，可以提高生产线效率和品质，并减少人为失误的风险。险。险。

【技术实现步骤摘要】
一种SMT智能防错上料检测仪


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种SMT智能防错上料检测仪。

技术介绍

[0002]在SMT电路板生产过程中，元件的正确放置和质量是保证产品质量和稳定性的关键。如果元件放置不正确或存在缺陷，则可能导致电路板无法正常工作甚至失效，从而影响产品的质量和性能，给企业带来重大经济损失。此外，由于SMT生产速度快，为了确保产品质量，需要对每个元件进行高效、准确的检测和校验。然而，传统的人工检查方法面临效率低、易出错等问题，当出现错误时可能难以及时发现和纠正。
[0003]因此，期望一种优化的SMT智能防错上料检测仪，其能够自动检测并纠正元件放置错误和缺陷，提高生产线效率和品质，并减少人为失误的风险。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种SMT智能防错上料检测仪。其首先对被检测PCB板的检测图像进行预处理以得到预处理后检测图像，接着，分别对所述预处理后检测图像和所述参考图像进行图像分块处理以得到检测图像块的序列和参考图像块的序列，然后，将所述检测图像块的序列和所述参考图像块的序列分别通过双重检测模型以得到检测语义特征向量和参考语义特征向量，接着，计算所述检测语义特征向量和所述参考语义特征向量之间的差分特征向量，最后，将所述差分特征向量通过分类器以得到用于表示被检测PCB板上的元器件是否被正确地放置的分类结果。这样，可以提高生产线效率和品质，并减少人为失误的风险。
[0005]根据本申请的一个方面，提供了一种SMT智能防错上料检测仪，其包括：检测图像采集模块，用于获取被检测PCB板的检测图像；参考图像采集模块，用于获取参考图像，其中，所述参考图像为元器件放置规范的PCB板的图像；图像预处理模块，用于对所述被检测PCB板的检测图像进行预处理以得到预处理后检测图像，其中，所述预处理包括图像去噪、调整对比度和亮度；图像分块处理模块，用于分别对所述预处理后检测图像和所述参考图像进行图像分块处理以得到检测图像块的序列和参考图像块的序列；图像语义特征提取模块，用于将所述检测图像块的序列和所述参考图像块的序列分别通过包含第一图像编码器和第二图像编码器的双重检测模型以得到检测语义特征向量和参考语义特征向量；特征差异模块，用于计算所述检测语义特征向量和所述参考语义特征向量之间的差分特征向量；以及放置检测模块，用于将所述差分特征向量通过分类器以得到分类结果，所述分类结果用于表示被检测PCB板上的元器件是否被正确地放置。
[0006]在上述的SMT智能防错上料检测仪中，所述图像分块处理模块，用于：
分别对所述预处理后检测图像和所述参考图像进行图像均匀分块处理以得到检测图像块的序列和参考图像块的序列。
[0007]在上述的SMT智能防错上料检测仪中，所述第一图像编码器和所述第二图像编码器具有相同的网络结构。
[0008]在上述的SMT智能防错上料检测仪中，所述图像语义特征提取模块，包括：第一图像编码单元，用于：使用所述第一图像编码器的各层在层的正向传递中对输入数据分别进行二维卷积处理、沿通道维度的池化处理和非线性激活处理以由所述第一图像编码器的最后一层输出所述检测语义特征向量，其中，所述第一图像编码器的第一层的输入为所述检测图像块的序列；以及第二图像编码单元，用于：使用所述第二图像编码器的各层在层的正向传递中对输入数据分别进行二维卷积处理、沿通道维度的池化处理和非线性激活处理以由所述第二图像编码器的最后一层输出所述参考语义特征向量，其中，所述第二图像编码器的第一层的输入为所述参考图像块的序列。
[0009]在上述的SMT智能防错上料检测仪中，所述特征差异模块，包括：优化因数计算单元，用于计算所述检测语义特征向量和所述参考语义特征向量的亥姆霍兹类自由能量因数以得到第一亥姆霍兹类自由能量因数和第二亥姆霍兹类自由能量因数；加权优化单元，用于以所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数作为加权权重对所述检测语义特征向量和所述参考语义特征向量进行加权以得到优化后检测语义特征向量和优化后参考语义特征向量；以及差异特征优化单元，用于计算所述优化后检测语义特征向量和所述优化后参考语义特征向量之间的所述差分特征向量。
[0010]在上述的SMT智能防错上料检测仪中，所述优化因数计算单元，用于：以如下优化公式计算所述检测语义特征向量和所述参考语义特征向量的亥姆霍兹类自由能量因数以得到所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数；其中，所述优化公式为：
[0011]其中，表示所述检测语义特征向量中各个位置的特征值，表示所述参考语义特征向量中各个位置的特征值，表示所述检测语义特征向量的分类概率值，表示所述参考语义特征向量的分类概率值，且是特征向量的长度，表示以2为底的对数函数，表示指数运算，和分别表示所述第一亥姆霍兹类自由能量因数和所述第
二亥姆霍兹类自由能量因数。
[0012]在上述的SMT智能防错上料检测仪中，所述差异特征优化单元，用于：以如下差分计算公式计算所述优化后检测语义特征向量和所述优化后参考语义特征向量之间的所述差分特征向量；其中，所述差分计算公式为：
[0013]其中，表示所述优化后检测语义特征向量，表示所述优化后参考语义特征向量，表示所述差分特征向量，表示按位置差分。
[0014]在上述的SMT智能防错上料检测仪中，所述放置检测模块，包括：全连接编码单元，用于使用所述分类器的全连接层对所述差分特征向量进行全连接编码以得到编码分类特征向量；以及分类单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0015]与现有技术相比，本申请提供的SMT智能防错上料检测仪，其首先对被检测PCB板的检测图像进行预处理以得到预处理后检测图像，接着，分别对所述预处理后检测图像和所述参考图像进行图像分块处理以得到检测图像块的序列和参考图像块的序列，然后，将所述检测图像块的序列和所述参考图像块的序列分别通过双重检测模型以得到检测语义特征向量和参考语义特征向量，接着，计算所述检测语义特征向量和所述参考语义特征向量之间的差分特征向量，最后，将所述差分特征向量通过分类器以得到用于表示被检测PCB板上的元器件是否被正确地放置的分类结果。这样，可以提高生产线效率和品质，并减少人为失误的风险。
附图说明
[0016]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员而言，在没有做出创造性劳动的前提下，还可以根据这些附图获得其他的附图。以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨。
[0017]图1为根据本申请实施例的SMT智能防错上料检测仪的应用场景图。
[0018]图2为根据本申请实施例的SMT智能防错上料检测仪的框图示意图。
[0019]图3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SMT智能防错上料检测仪，其特征在于，包括：检测图像采集模块，用于获取被检测PCB板的检测图像；参考图像采集模块，用于获取参考图像，其中，所述参考图像为元器件放置规范的PCB板的图像；图像预处理模块，用于对所述被检测PCB板的检测图像进行预处理以得到预处理后检测图像，其中，所述预处理包括图像去噪、调整对比度和亮度；图像分块处理模块，用于分别对所述预处理后检测图像和所述参考图像进行图像分块处理以得到检测图像块的序列和参考图像块的序列；图像语义特征提取模块，用于将所述检测图像块的序列和所述参考图像块的序列分别通过包含第一图像编码器和第二图像编码器的双重检测模型以得到检测语义特征向量和参考语义特征向量；特征差异模块，用于计算所述检测语义特征向量和所述参考语义特征向量之间的差分特征向量；以及放置检测模块，用于将所述差分特征向量通过分类器以得到分类结果，所述分类结果用于表示被检测PCB板上的元器件是否被正确地放置。2.根据权利要求1所述的SMT智能防错上料检测仪，其特征在于，所述图像分块处理模块，用于：分别对所述预处理后检测图像和所述参考图像进行图像均匀分块处理以得到检测图像块的序列和参考图像块的序列。3.根据权利要求2所述的SMT智能防错上料检测仪，其特征在于，所述第一图像编码器和所述第二图像编码器具有相同的网络结构。4.根据权利要求3所述的SMT智能防错上料检测仪，其特征在于，所述图像语义特征提取模块，包括：第一图像编码单元，用于：使用所述第一图像编码器的各层在层的正向传递中对输入数据分别进行二维卷积处理、沿通道维度的池化处理和非线性激活处理以由所述第一图像编码器的最后一层输出所述检测语义特征向量，其中，所述第一图像编码器的第一层的输入为所述检测图像块的序列；以及第二图像编码单元，用于：使用所述第二图像编码器的各层在层的正向传递中对输入数据分别进行二维卷积处理、沿通道维度的池化处理和非线性激活处理以由所述第二图像编码器的最后一层输出所述参考语义特征向量，其中，所述第二图像编码器的第一层的输入为所述参考图像块的序列。5...

【专利技术属性】
技术研发人员：潘磊，杨立志，
申请(专利权)人：深圳市蓝眼科技有限公司，
类型：发明
国别省市：