申请/专利权人：湖北大学

申请日：2020-11-11

公开（公告）日：2024-04-05

公开（公告）号：CN112347950B

主分类号：G06V20/60

分类号：G06V20/60;G06V20/70;G06V10/24;G06V10/25;G06V10/30;G06V10/44;G06V10/764;G06V10/82;G06N3/084;H05K3/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.03.02#实质审查的生效;2021.02.09#公开

摘要：本发明公开了一种基于深度学习的PCB板镭射标靶识别方法及系统，其中，基于深度学习的PCB板镭射标靶识别方法具体按照如下步骤实施：S1，预制镭射标靶图案；S2，对所述S1中的镭射标靶图案进行图像采集，得到灰度图；S3，采用深度学习对所述S1中的图案进行镭射区域的标注，并根据所述S2中的灰度图对标注的镭射区域进行预处理；S4，对预处理后的镭射区域进行精确定位；S5，根据所述S4中精确定位的结果，将镭射标靶图案转移至PCB板上。实现上述过程所需要的部件比较常见，因此容易设计；并且，采用深度学习方式进行识别，可对生产过程中识别识别情况进行学习，不断增强识别成功率；深度学习识别方式能够按照权重对识别对象进行检测，识别的阈值大。

主权项：1.一种基于深度学习的PCB板镭射标靶识别方法，其特征在于，具体按照如下步骤实施：S1，预制镭射标靶图案；S2，对所述S1中的镭射标靶图案进行图像采集，得到灰度图；S3，采用深度学习对所述S1中的图案进行镭射区域的标注，并根据所述S2中的灰度图对标注的镭射区域进行预处理；所述S3中采用深度学习对所述S1中的图案进行镭射区域的标注，并根据所述S2中的灰度图对标注的镭射区域进行预处理，具体为：S31，根据灰度图像素点的灰度值对深度学习预处理模块标注出的镭射标靶所在区域进行计算，得到数组A；S32，生成深度学习训练所需的格式化训练数据集；S33，根据所述S32中的格式化训练数据集对网络权重及偏差进行调整，输出可对镭射标靶定位的深度学习网络；S34，通过所述S33中的深度学习网络对镭射标靶的坐标位置及大小参数进行检测，得到镭射标靶在图像中的区域及定位，完成预处理；S4，对预处理后的镭射区域进行精确定位；S5，根据所述S4中精确定位的结果，将镭射标靶图案转移至PCB板上。

全文数据：

权利要求：

百度查询： 湖北大学 基于深度学习的PCB板镭射标靶识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD