[发明专利]元件图像识别用学习完成模型生成系统及方法

权利要求书

1.一种元件图像识别用学习完成模型生成系统，以吸附于元件安装机的吸嘴的元件或者安装于电路基板的元件为拍摄对象，通过相机来拍摄该拍摄对象并生成在进行图像识别时使用的学习完成模型，

所述元件图像识别用学习完成模型生成系统具备取得在成为基准的元件的图像识别中使用的基准学习完成模型的计算机，

所述计算机针对与成为所述基准的元件具有预定的类似关系的元件的每个种类收集样本元件图像，并针对该元件的每个种类追加该样本元件图像作为所述基准学习完成模型的教师数据而进行再学习，从而针对该元件的每个种类生成用于该元件的图像识别的按元件类别学习完成模型。

2.根据权利要求1所述的元件图像识别用学习完成模型生成系统，其中，

通过所述计算机针对所述元件的每个种类生成的所述按元件类别学习完成模型包含在针对该元件的每个种类所准备的图像处理用元件形状数据中。

3.根据权利要求1所述的元件图像识别用学习完成模型生成系统，其中，

与成为所述基准的元件具有预定的类似关系的元件是指，虽然尺寸、颜色、原材料、制造公司、制造批次中的任一个与成为所述基准的元件不同但元件的形状相同或者类似的元件。

4.根据权利要求2所述的元件图像识别用学习完成模型生成系统，其中，

与成为所述基准的元件具有预定的类似关系的元件是指，虽然尺寸、颜色、原材料、制造公司、制造批次中的任一个与成为所述基准的元件不同但元件的形状相同或者类似的元件。

5.根据权利要求1～4中任一项所述的元件图像识别用学习完成模型生成系统，其中，

所述计算机收集在生产中通过元件安装机的相机或者检查机的相机拍摄所述拍摄对象而得到的图像作为所述样本元件图像。

6.根据权利要求1～4中任一项所述的元件图像识别用学习完成模型生成系统，其中，

所述基准学习完成模型及所述按元件类别学习完成模型是判别吸附于所述吸嘴的元件的吸附姿势是正常吸附还是异常吸附的学习完成模型。

7.根据权利要求5所述的元件图像识别用学习完成模型生成系统，其中，

所述基准学习完成模型及所述按元件类别学习完成模型是判别吸附于所述吸嘴的元件的吸附姿势是正常吸附还是异常吸附的学习完成模型。

8.根据权利要求1～4中任一项所述的元件图像识别用学习完成模型生成系统，其中，

所述基准学习完成模型及所述按元件类别学习完成模型是判别有无吸附于所述吸嘴的元件的学习完成模型。

9.根据权利要求5所述的元件图像识别用学习完成模型生成系统，其中，

所述基准学习完成模型及所述按元件类别学习完成模型是判别有无吸附于所述吸嘴的元件的学习完成模型。

10.根据权利要求1～4中任一项所述的元件图像识别用学习完成模型生成系统，其中，

所述基准学习完成模型及所述按元件类别学习完成模型是判别有无安装于所述电路基板的元件的学习完成模型。

11.根据权利要求5所述的元件图像识别用学习完成模型生成系统，其中，

所述基准学习完成模型及所述按元件类别学习完成模型是判别有无安装于所述电路基板的元件的学习完成模型。

12.根据权利要求1～4中任一项所述的元件图像识别用学习完成模型生成系统，其中，

所述计算机将生成的所述按元件类别学习完成模型向使用该按元件类别学习完成模型的元件安装机或者检查机传送。

13.根据权利要求5所述的元件图像识别用学习完成模型生成系统，其中，

所述计算机将生成的所述按元件类别学习完成模型向使用该按元件类别学习完成模型的元件安装机或者检查机传送。

14.一种元件图像识别用学习完成模型生成方法，以吸附于元件安装机的吸嘴的元件或者安装于电路基板的元件为拍摄对象，通过相机来拍摄该拍摄对象并生成在进行图像识别时使用的学习完成模型，

所述元件图像识别用学习完成模型生成方法包含如下的工序：

取得在成为基准的元件的图像识别中使用的基准学习完成模型；

针对与成为所述基准的元件具有预定的类似关系的元件的每个种类收集样本元件图像；及

针对所述元件的每个种类追加所取得的所述样本元件图像作为所述基准学习完成模型的教师数据而进行再学习，从而针对该元件的每个种类生成用于该元件的图像识别的按元件类别学习完成模型。