[发明专利]一种用于极性电子器件分类的方法

说明书

本发明公开了一种用于极性电子器件分类的方法，步骤1、收集大量电路装配图，其中包含电子器件包含极性电子器件和非极性电子器的；步骤2、70％的图像数据，针对每张电路装配图提取电子器件图像，用于制作训练样本；步骤3、将步骤2中剩下的30％电路装配图提取出电子器件图像作为测试样本；步骤4、对步骤2中的图像数据库的图像进行HOG特征提取，步骤5、对步骤4中获得HOG特征利用支持向量机进行训练：获得分类超平面w，分类阈值b，经过反复的迭代训练，获得分类函数f(x)即分类模型，利用分类模型对步骤3中提取出的测试样本进行分类，获得极性电子器件图像和非极性电子器件图像。本发明能够准确、高效的对极性电子器件进行识别，适合广泛应用。

技术领域

本发明涉及电子装配领域的自动化贴片贴装技术，特别涉及一种利用图像识别技术 识别电路装配图中电子器件的极性的方法。

背景技术

随着微电子行业的迅猛发展，表面贴装技术成为当今最为先进的电子装配技术之一。 经过几十年的发展，表面贴装技术自动化程度也越来越高。贴片机是表面贴装生产线中 最复杂、最核心的自动化设备。但是在贴装之前还需要采用大量人工方式进行原理图电子器件和实际物料的核对，特别是对于专业的贴片代工厂面对大量客户订单时，需要在 极短的时间内，在保证生产质量的前提下以最快的速度完成客户的订单。采用传统人工 方式对原理图中的元件进行分类已经不能满足现代化的生产要求，必须要采用更加先进 的技术取代进行人工极性元件的分类。图像处理和识别技术凭借其高效率、非接触性、 高可靠性和低成本的优点，在表面贴装技术中发挥着越来越重要的作用，已经被广泛应 用于现代贴片机系统中的贴片元件检测、吸嘴检测、基准点检测和印制电路板(PrintedCircuitBoard，PCB)等方面。

基于上述的现况，提出更先进的图像处理和识别技术以改进贴装效率等技术指标是 本发明亟待解决的技术问题。

发明内容

基于上述技术背景，本发明提出了一种用于极性电子器件分类的方法，通过对图像 数据库的图像进行梯度方向直方图特征提取，将提取的特征应用支持向量机分类算法进 行训练，获得图像分类模型；为了验证分类模型的泛化性，将未用于训练的电子器件图像用于测试，再次对分类模型进行参数优化，以提高分类的准确率和分类效率。

本发明提出一种用于极性电子器件分类的方法，该方法包括以下步骤：

步骤1、收集大量电路装配图，其中包含电子器件包含极性电子器件和非极性电子器的；

步骤2、利用收集的电路装配图制作极性电子器件图像数据库和非极性电子器件图 像数据库，所述极性电子器件图像数据库和非极性电子器件图像数据库中70％的图像数 据，针对每张电路装配图提取电子器件图像，用于制作训练样本，其中：提取出的带有极性电子器件图像标记为正样本，而提取出的非极性电子器件图像标记为负样本；

步骤3、将步骤2中剩下的30％的图像数据，针对每张电路装配图提取电子器件图像，用于制作测试样本；

步骤4、将步骤2中的所得训练样本利用HOG算法提取HOG特征，特征提取具体 步骤如下：

首先将输入图像按照一定大小划分成若干cell单元，整个图像由这若干个cell单元 组成且cell单元相互之间不重叠；

利用以下公式计算像素点(x,y)的梯度幅值和梯度方向：

G_x(x,y)＝H(x+1,y)-H(x-1,y)

G_y(x,y)＝H(x,y+1)-H(x,y-1)

r(x,y)＝((G_x)²+(G_y)²)^1/2