【技术实现步骤摘要】
本专利技术涉及光场相机、pcba板的缺陷检测领域，尤其是涉及一种基于深度强化学习的智能超透镜光场相机电路板检测方法。
技术介绍
1、随着电子科技技术和电子制造业的发展，要求元器件体积更小，安装密度更高，集成更精密等，对pcba板的缺陷检提出了更高的挑战，因此检测难度也不断提升。传统人工检测存在诸多问题，为了保证电子产品的性能，更加快速、精细、无接触的自动光学缺陷检测技术已经成为电子行业中的利器，而且能更好的适应自动化生产线的要求。
2、基于机器视觉技术的自动光学检测，结合了ai人工智能和深度学习，可大幅提升检测的准确度与效率。因此，越来越多的电子制造厂，采用自动光学检测和深度学习软件来准确地检测和标记pcba表面细部缺陷，例如材料表面缺陷、焊接缺陷或元件缺失或错位。自动光学检测设备同时面临的主要挑战包括光污染、数据量庞大、冗余信息多、空间特征、角度特征和深度特征维度高，以及自动聚焦速度慢等问题。其中在不合适的光源下，一些缝隙和断差缺陷难以被发现，这会导致光污染和误判，光源的选择至关重要，环形光源或背光光源等智能照明方式可以有效减少反光和阴影的影响。在混产流水线作业时，对应不同大小面积电路板混合视觉检测系统存在自动聚焦速度慢的问题，这些挑战也会导致自动光学检测设备在从海量数据中提取有限缺陷信息时算法能力不足，实时性不高的问题。而有极限成像景深的超构透镜光场相机，可以实现景深范围不同大小面积电路板的大景深消色差光场成像检测。
技术实现思路
1、本专利技术的目的就是为了提供
2、本专利技术的目的可以通过以下技术方案来实现：
3、基于深度强化学习的智能超透镜光场相机电路板检测方法，包括以下步骤：
4、s1、构建智能超透镜光场相机的pcba板检测模型；
5、s2、利用光源动作变量智能控制组合光源智能体，采用实时全局光照模型获得目标pcba板表面的光照参数；
6、s3、利用载物平台动作变量智能控制载物平台智能体的移动速度和方向，采用稠密光流法对所述目标pcba板精确定位，获得光场图像的重聚焦参数；
7、s4、利用电光晶体超构透镜动作变量智能控制电光晶体超构透镜智能体的位置和折射率，采用光场逐层扫描与光电智能频率复用调制技术，获得光场图像的深度参数；
8、s5、构建智能超透镜光场相机的5d光场模型，获得目标pcba板的5d光场图像；
9、s6、构建基于多智能体的时空角深度强化学习模型，将获得的光照参数、重聚焦参数、深度参数和5d光场图像输入到时空角深度强化学习模型，输出多智能体优化的协同控制动作。
10、所述步骤s1包括以下步骤：
11、s11、构建基于所述智能超透镜光场相机的pcba板检测模型，包括载物平台智能体、目标pcba板、组合光源智能体、主透镜、电光晶体超构透镜智能体和图像传感器；
12、s12、所述载物平台智能体，用于放置所述目标pcba板；
13、s13、构建所述组合光源智能体包含rgb环型光源和同轴光源；
14、s14、构建所述电光晶体超构透镜智能体，设有超构透镜阵列与电光晶体融合体、高精度驱动微电机和外加电场。
15、所述步骤s2包括以下步骤：
16、s21、利用光源动作变量智能控制组合光源智能体中的rgb环型光源照射角度、颜色和同轴光源的亮度；
17、s22、采用实时全局光照模型获得所述目标pcba板表面的光照参数，其中，建立实时全局光照模型表示为：
18、；
19、其中，是环境光分量，是漫反射分量，是镜面高光分量；环境光分量公式表示为：
20、；
21、其中，为环境光照强度，为环境光照系数；漫反射分量公式表示为：
22、；
23、其中，为光源的强度，为漫反射系数，为表面法线向量，为光源方向向量；镜面高光分量公式表示为：
24、；
25、其中，（）是材料的镜面反射系数，是反射光线向量，表示光线在物体表面反射后的方向，是视线方向向量，表示主透镜的方向，是高光指数，表示物体表面的光泽程度；光照参数表示为，利用实时全局光照模型通过测量并计算在测试多组合光和参考光的色差，求出所述组合光源智能体的光照参数，用以表征光源显色性的优劣程度。
26、所述步骤s3包括以下步骤：
27、s31、利用载物平台动作变量智能控制载物平台智能体的移动速度和方向，获得带有mark点的目标pcba板逐步平移的多视角子图像阵列；
28、s32、采用稠密光流法对多视角子图像阵列mark点进行精确定位、联合位移与叠加，获得光场图像的重聚焦参数。
29、所述步骤s4包括以下步骤：
30、s41、通过电光晶体超构透镜动作变量调整电光晶体超构透镜智能体的位置，实现在目标pcba板的不同高度元器件上逐层聚焦，利用光场逐层扫描技术实时计算景深；所述电光晶体超构透镜智能体的焦距与二次成像物距和二次成像像距之间的位置关系满足高斯公式：
31、；
32、满足伽利略型条件下，二次成像像距范围为大于二分一焦距，同时小于一倍焦距；
33、s42、通过电光晶体超构透镜动作变量调整电光晶体的折射率，利用光电智能频率复用调制技术获得目标pcba板的不同高度元器件上的深度参数。
34、所述步骤s5包括以下步骤：
35、s51、构建智能超透镜光场相机的5d光场模型，表征视点图像分辨率和角度分辨率；
36、s52、联合实时控制多智能体，采用类间方差最大的分割法获得所述目标pcba板的5d光场图像。
37、所述步骤s6包括以下步骤：
38、s61、构建基于多智能体的时空角深度强化学习模型，建立以图像质量评价最优的多智能体联合动作的优化问题；
39、s62、利用actor网络，分别在时间域、空间域和角度域提取光照参数、重聚焦参数和深度参数与5d光场图像的相关性特征，并输出各个智能体的动作变量；
40、s63、将光照参数、重聚焦参数、深度参数、5d光场图像、光源动作变量、载物平台动作变量和电光晶体超构透镜动作变量输入到时空角深度强化学习模型的集中训练critic网络，集中训练critic网络输出以图像质量评价ssim和mse最优的全局值函数，利用集中训练和分散执行的策略梯度机制，实现智能超透镜光场相机对电路板的检测方法。
41、与现有技术相比，本专利技术具有以下有益效果：
42、（1）本专利技术采用了组合光源智能体减少光污染，可以同时实现不同照射角度、亮度和颜色组合，确保了在不同环境下光源的光照保持一致，提供了目标pcba板的均匀照明，在不同频本文档来自技高网...
【技术保护点】
1.一种基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，所述步骤S1包括以下步骤：
3.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，所述步骤S2包括以下步骤：
4.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，所述步骤S3包括以下步骤：
5.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，所述步骤S4包括以下步骤：
6.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，所述步骤S5包括以下步骤：
7.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，所述步骤S6包括以下步骤：
【技术特征摘要】
1.一种基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，所述步骤s1包括以下步骤：
3.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方法，其特征在于，所述步骤s2包括以下步骤：
4.根据权利要求1所述的基于深度强化学习的智能超透镜光场相机电路板检测方...
【专利技术属性】
技术研发人员：周小平，舒岳勇，舒秋睿，
申请(专利权)人：宁波中电集创科技有限公司，
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。