【技術實現步驟摘要】
本專利技術涉及人工智能與目標檢測，具體是基于深度學習的線路板接線檢測方法。
技術介紹
1、隨著硬件計算能力的飛速提升和新基建發展戰略的逐步實施，人工智能已經應用于很多領域，包括智慧醫療、智能制造、自動駕駛等領域，其中，圖像分割是智慧醫療、智能制造、自動駕駛等領域應用最為廣泛的方法之一。圖像分割技術原理是將圖片中所有像素進行分類，其原理決定了圖像分割使用于對包含信息豐富的復雜場景檢測。在智慧醫療中，圖像分割可以完成對醫學圖像的分析，將腫瘤、病變等信息提前反饋給醫生。在自動駕駛中，圖像分割可以在復雜場景下提取車道信息，提升自動駕駛的感知度。在智能制造中，圖像分割可以完成對零部件缺陷等檢測，提升產品線的自動化和智能化程度。
2、線路板接線檢測為智能制造中的重要環節，在進行線路板接線檢測時需先檢測線路板中零部件是否已經安裝到位再檢測線路是否對接正確。在智能制造蓬勃發展的今天，生產智能檢測的需求日益提升，現有線路板接線檢測方式已經無法滿足智能化檢測需求。
技術實現思路
1、本專利技術的目的在于解決現有線路板接線檢測方式無法滿足智能化檢測需求的問題，提供了一種基于深度學習的線路板接線檢測方法，其使用改進的yolov8-seg模型完成待檢測線路板圖片的實例分割，利用匹配算法進行線路檢測分析，能解決復雜環境場景下的線路檢測問題。
2、本專利技術的目的主要通過以下技術方案實現：
3、基于深度學習的線路板接線檢測方法，包括以下步驟：
4、步驟s1、獲取待
5、步驟s2、計算每個接口與線路起點和終點的歐式距離，當接口與線路的歐式距離小于設定像素點閾值時則判定接口已接入線路，若一條線路已被接入兩個接口則認定該線路接線無遮擋，進入步驟s5；若一條線路只被一個接口接入或沒有接口接入則認定該線路存在遮擋，進入步驟s3；
6、步驟s3、截取存在遮擋的線路起點和終點設定長度內所有的像素點并設置存在遮擋的線路起點和終點的向量，取經分割的待檢測線路板圖片的圖像寬度的中點進行向量擬合，計算出所有向量之間的夾角和交點，查找每個向量夾角在180°設定夾角偏差閾值范圍內且交點未超出圖像范圍的相同向量，將兩個相同向量對應的線路認定為同一線路并同步起點和終點信息；
7、步驟s4、檢測同步起點和終點信息后的線路的起點和終點位置在設定像素點閾值范圍內是否存在接口，若存在接口則判定該接口與線路接線對接成功，否則判定線路接線未成功；
8、步驟s5、將接口和線路與線路板生產資料中的接線標準進行比對，若比對一致則判定對接正確，否則判定對接不正確。
9、進一步的，所述步驟s1中將待檢測線路板圖片處理為設定分辨率的分辨率為640*640，所述改進的yolov8-seg模型處理后圖片的分辨率為20*20、40*40及80*80三種類型。
10、進一步的，所述步驟s1中注意力機制模塊的輸入為sppf結構的輸出，通過對輸入進行線性變換生成q、k、v三個矩陣，注意力機制模塊進行注意力計算的公式如下：
11、
12、其中，q表示查詢向量，k表示鍵向量、v表示值向量，dk表示鍵向量的維度，vt表示矩陣轉置，softmax表示softmax函數。
13、進一步的，所述步驟s2中設定像素點閾值為30個像素點。
14、進一步的，所述步驟s2中計算每個接口與線路起點和終點的歐式距離的計算公式為：
15、
16、其中，xi表示第一點的第i維坐標，yi表示第二點的第i維坐標，n為空間維度數量，i＝1，2，…，n，x表示像素點的橫坐標位置，y表示像素點的縱坐標位置。
17、進一步的，所述步驟s3中取經分割的待檢測線路板圖片的圖像寬度的中點進行向量擬合的擬合公式為：
18、y＝kx+b
19、其中，k表示斜率，b表示函數圖像與y軸的交點的縱坐標，x表示像素點的橫坐標位置，y表示像素點的縱坐標位置。
20、本專利技術檢測的物體是電路板中的接口和接線，接口的體積與整張原圖相比占比小，接線是細長型的，與原圖相比占比也小而且容易和其他接線重疊，所以本專利技術通過注意力機制來提升檢測精度。注意力機制是模型對可能為檢測目標的一片像素點進行特征加深的一種機制，這種類似于在看一張圖片時，圖片中的某種比較小物體有點看不清楚，在這個小物體的區域內進行放大查看即可看到小物體以及它周圍的更多特征信息。本專利技術通過注意力機制加深疑似目標周圍像素點的特征來完成感受野的提升。
21、綜上所述，本專利技術與現有技術相比具有以下有益效果：本專利技術將待檢測線路板圖片處理后傳入改進的yolov8-seg模型，改進的yolov8-seg模型首先生成目標檢測的結果，再將檢測到的接口與線路進行圖像分割，最后生成接口和線路的檢測信息。本專利技術對接口和線路的檢測結果進行配對，即一個接口對接一條線路，對找到已接入兩個接口的線路直接生成匹配結果，再通過匹配算法將被遮擋的線路進行配對并生成匹配結果，然后將已知的匹配信息對生成的匹配結果進行比對，能解決復雜環境場景下的線路檢測問題。
本文檔來自技高網...【技術保護點】
1.基于深度學習的線路板接線檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于深度學習的線路板接線檢測方法，其特征在于，所述步驟S1中將待檢測線路板圖片處理為設定分辨率的分辨率為640*640，所述改進的YOLOV8-seg模型處理后圖片的分辨率為20*20、40*40及80*80三種類型。
3.根據權利要求1所述的基于深度學習的線路板接線檢測方法，其特征在于，所述步驟S1中注意力機制模塊的輸入為SPPF結構的輸出，通過對輸入進行線性變換生成Q、K、V三個矩陣，注意力機制模塊進行注意力計算的公式如下：
4.根據權利要求1所述的基于深度學習的線路板接線檢測方法，其特征在于，所述步驟S2中設定像素點閾值為30個像素點。
5.根據權利要求1所述的基于深度學習的線路板接線檢測方法，其特征在于，所述步驟S2中計算每個接口與線路起點和終點的歐式距離的計算公式為：
6.根據權利要求1～5中任意一項所述的基于深度學習的線路板接線檢測方法，其特征在于，所述步驟S3中取經分割的待檢測線路板圖片的圖像寬度的中點進行向量擬合的擬
...【技術特征摘要】
1.基于深度學習的線路板接線檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于深度學習的線路板接線檢測方法，其特征在于，所述步驟s1中將待檢測線路板圖片處理為設定分辨率的分辨率為640*640，所述改進的yolov8-seg模型處理后圖片的分辨率為20*20、40*40及80*80三種類型。
3.根據權利要求1所述的基于深度學習的線路板接線檢測方法，其特征在于，所述步驟s1中注意力機制模塊的輸入為sppf結構的輸出，通過對輸入進行線性變換生成q、k、v三個矩...
【專利技術屬性】
技術研發人員：毛熙皓，李寧，莊永忠，廖長明，敬志堅，
申請(專利權)人：成都鼎安華智慧物聯網股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。