【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种对芯片和引脚的识别定位方法、系统、设备及介质。
技术介绍
1、随着现代科学技术的发展与进步，电路板上的元器件更加密集，电路也愈加复杂，因此存在维护困难和电路故障检测困难等问题。电子设备的维护与修理的关键是如何更加迅速、精准地判断电路板上的故障并对其进行定位。自动光学检测技术是目前大型工厂最常用的缺陷检测技术。
2、自动光学检测具有适用性强、检测精度高的特点，能够满足当前工业生产流程中电路板缺陷检测的需要，而电路板缺陷检测中重要的一环就是对集成电路芯片的检测。传统的芯片识别方法多采用基于数字图像处理技术的方式，通过检测芯片形状、颜色空间、区域纹理、轮廓、面积这些特征进行综合识别，其识别流程较为繁琐且识别成功率不高，容易造成芯片的错检、漏检的情况。
3、因此，需要提供一种对芯片和引脚的识别定位方法、系统、设备及介质以解决上述问题。
技术实现思路
1、本专利技术提供一种对芯片和引脚的识别定位方法、系统、设备及介质，以解决现有的芯片识别方法多采用基于数字图像处理技术的方式，通过检测芯片形状、颜色空间、区域纹理、轮廓、面积这些特征进行综合识别，其识别流程较为繁琐且识别成功率不高，容易造成芯片的错检、漏检的情况问题。
2、本专利技术的一种对芯片和引脚的识别定位方法及介质采用如下技术方案：包括：
3、采集不同角度下对应的电路板图像，并获取每个电路板图像中的芯片图像；
4、构建神经网络模型，将每张电路板
5、将待检测电路板图像以及其对应的采集角度输入训练好的神经网络模型，得到待检测电路板图像对应的芯片图像；
6、获取每张芯片图像中包含引脚的目标区域；对目标区域进行阈值分割得到引脚区域。
7、优选地，通道语义提取模块包括：
8、池化层，其用于对每个芯片图像的原始特征图分别进行最大池化和平均池化，并将最大池化和平均池化的结果相加得到目标特征图；
9、以及全连接层，用于获取目标特征图中每个通道的权重，并根据每个通道的权重对目标特征图的特征值进行加权融合得到融合后的特征图，将融合后的特征图作为每张芯片图像的特征图。
10、优选地，采用环形平滑标签表示初始yolo神经网络模型中每个角度下的电路板图像对应的旋转框的角度损失。
11、优选地，角度损失函数的表达式为：
12、
13、式中，langle表示角度损失函数；
14、yi表示真实标签在第i个角度类别上的概率值；
15、表示预测标签在第i个角度类别上的概率值。
16、优选地，神经网络模型的最终损失函数的表达式为：
17、l＝λcoordlcoord+λconflconf+λanglelangle
18、式中，l表示神经网络模型的最终损失函数值；
19、lcoord表示初始yolo神经网络模型的定位损失函数；
20、λcoord表示初始yolo神经网络模型的定位损失函数的权重系数；
21、lconf表示初始yolo神经网络模型初始yolo神经网络模型；
22、λconf表示初始yolo神经网络模型初始yolo神经网络模型的权重系数；
23、langle表示角度损失函数；
24、λangle表示角度损失函数的权重系数。
25、优选地，获取每张芯片图像中包含引脚的目标区域的步骤包括：
26、以芯片图像的边界为起点，计算芯片的邻近区域大小和位置，进行邻域搜索；
27、裁剪得到芯片图像四周的区域，裁剪得到的四个区域即为引脚的目标区域。
28、优选地，对目标区域进行阈值分割得到引脚区域的步骤为：基于自适应阈值分割法对目标区域进行阈值分割得到引脚区域。
29、从多个不同角度对每个电路板上的每个芯片区域进行图像采集。
30、一种对芯片和引脚的识别定位系统，其特征在于，包括：
31、图像采集模块，用于采集不同角度下对应的电路板图像，并获取每个电路板图像中的芯片图像；
32、神经网络模型构建模块，用于构建神经网络模型，将每张电路板图像及其对应的采集角度作为神经网络模型的输入，每个角度下的电路板图像对应的芯片图像作为神经网络模型的输出，对神经网络模型训练，得到训练好的神经网络模型；其中，构建神经网络包括：构建初始yolo神经网络模型；在初始yolo神经网络模型的neck模块中引入通道语义提取模块，根据通道语义提取模块获取每张电路板图像的特征图；在初始yolo神经网络模型中引入旋转框检测模块，根据旋转框检测模块对电路板图像的采集角度进行分类，根据分类结果获取角度损失函数；根据角度损失函数获取最终损失函数，将最终损失函数替换初始yolo神经网络模型的损失函数，得到神经网络模型；
33、识别定位模块，用于将待检测电路板图像以及其对应的采集角度输入训练好的神经网络模型，得到待检测电路板图像对应的芯片图像；获取每张芯片图像中包含引脚的目标区域；对目标区域进行阈值分割得到引脚区域。
34、一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的芯片和引脚的识别定位程序，所述芯片和引脚的识别定位程序被所述处理器执行时实现本专利技术公开的对芯片和引脚的识别定位方法的步骤。
35、一种存储介质，其上存储有芯片和引脚的识别定位程序，该芯片和引脚的识别定位程序被运行时，用于执行本专利技术公开的对芯片和引脚的识别定位方法的步骤。
36、本专利技术的有益效果是：
37、本专利技术在yolo神经网络的基础上构建神经网络模型，并在神经网络模型中引入通道语义提取模块和旋转框检测模块，通道语义提取模块使用分组卷积代替标准卷积以减少网络参数和计算量，以提高了芯片检测的精度和效率；在旋转框检测模块中用于对输入的电路板图像的采集角度信息进行预测，即使用旋转框对电路板图像的采集角度进行分类，根据分类结果获取角度损失函数，基于角度损失函数获取神经网络的损失函数，基于神经网络的损失函数建立神经网络模型，利用神经网络模型以解决水平框不能准确地反映出不同摆放位置的芯片形状信息、检测框中芯片像素占比较小的问题，进一步提升了芯片检测的精度；最本文档来自技高网...
【技术保护点】
1.一种对芯片和引脚的识别定位方法，其特征在于，包括：
2.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，通道语义提取模块包括：
3.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，采用环形平滑标签表示初始YOLO神经网络模型中每个角度下的电路板图像对应的旋转框的角度损失。
4.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，角度损失函数的表达式为：
5.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，神经网络模型的最终损失函数的表达式为：
6.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，获取每张芯片图像中包含引脚的目标区域的步骤包括：
7.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，对目标区域进行阈值分割得到引脚区域的步骤为：基于自适应阈值分割法对目标区域进行阈值分割得到引脚区域。
8.一种对芯片和引脚的识别定位系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、
10.一种存储介质，其特征在于，其上存储有芯片和引脚的识别定位程序，该芯片和引脚的识别定位程序被运行时，用于执行权利要求1-7任一项所述的对芯片和引脚的识别定位方法的步骤。
...【技术特征摘要】
1.一种对芯片和引脚的识别定位方法，其特征在于，包括：
2.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，通道语义提取模块包括：
3.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，采用环形平滑标签表示初始yolo神经网络模型中每个角度下的电路板图像对应的旋转框的角度损失。
4.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，角度损失函数的表达式为：
5.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，神经网络模型的最终损失函数的表达式为：
6.根据权利要求1所述的一种对芯片和引脚的识别定位方法，其特征在于，获取每张芯片图像中包含引脚的目标区域的步骤包括...
【专利技术属性】
技术研发人员：陈建，方黎勇，范大勇，喻波，
申请(专利权)人：中国航空工业集团公司洛阳电光设备研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。