[发明专利]基于YOLOv3-tiny算法的芯片定位方法及一体化定位平台

权利要求书

1.一种基于YOLOv3-tiny算法的芯片定位方法及一体化定位平台，其特征在于，包括以下步骤：

步骤1)，采集芯片盘图像并进行图像预处理，以扩充图片集的数量和种类，并对预处理后的图像进行标注；

步骤2)，将步骤1标注过的数据集输入到YOLOv3-tiny模型以训练YOLOv3-tiny网络；

步骤3)，获取芯片盘图像，利用训练好的YOLOv3-tiny网络，从芯片盘图像中定位芯片，获取芯片实时坐标信息。

2.根据权利要求1所述基于YOLOv3-tiny算法的芯片定位方法，其特征在于，所述步骤1)中，图像预处理包括：

1.1)以不同的角度旋转图像；

1.2)调整图像曝光量，为数据集增加曝光不足以及曝光过度的图像；

1.3)增加图像常见噪声，包括：高斯噪声、泊松噪声、乘性噪声以及椒盐噪声。

3.根据权利要求1或2所述基于YOLOv3-tiny算法的芯片定位方法，其特征在于，所述步骤1)中，使用LabelImg软件对预处理后的图像进行标注。

4.根据权利要求1所述基于YOLOv3-tiny算法的芯片定位方法，其特征在于，所述步骤2)中，所述YOLOv3-tiny模型相比于YOLOv3模型没有使用Darknet-53中的残差层，同时减少了卷积层的数量，且只在两个位置进行输出，最终得到两个不同尺度的结果用以检测。

5.根据权利要求1所述基于YOLOv3-tiny算法的芯片定位方法，其特征在于，所述步骤2)中，所述YOLOv3-tiny模型的损失函数包括三大部分：坐标误差、置信度误差以及分类误差，其中：

所述坐标误差包括中心坐标误差以及宽高坐标误差；

所述中心坐标误差为：

所述宽高坐标误差为：

所述置信度误差为：

所述分类误差为：

当图片输入到神经网络后会被分成K×K个网格，每个网格产生M个候选框，参数表示第i个网格的第j个先验框是否负责这个目标物体，如果负责则否则为0；参数等于(x_i，y_i，w_i，h_i)代表实际框的位置与大小；代表预测框的位置与大小；参数λ_coord用来协调不同大小矩形框对误差函数贡献不一致所设置的一个协调系数；参数λ_noobj是为了减少没有物体计算部分所设置的贡献权重；参数表示预测框内含有目标物体的概率得分；参数代表真实值；参数表示标记框所属类别的真实值；参数p_i(c)表示预测框属于类别c的概率；

最终损失函数表达式为：

6.一种利用权利要求1所述基于YOLOv3-tiny算法的芯片定位方法的一体化定位平台，其特征在于，包括：

工业摄像头，设置于芯片盘运行导轨上方，采集芯片盘图像；

带监视器的处理器，接收工业摄像头采集的芯片盘图像，搭载所述训练好的YOLOv3-tiny网络，对所述芯片盘图像中的芯片进行定位，获取芯片实时坐标信息；

带机械抓手的机器人，根据处理器提供的芯片坐标从芯片盘上抓取芯片。

7.根据权利要求6所述一体化定位平台，其特征在于，所述导轨在工业摄像头下方设置有用于对芯片盘进行固定的卡位装置。

8.根据权利要求6所述一体化定位平台，其特征在于，所述导轨在末端分为正常通道和问题通道，如果芯片抓取过程中没有出现异常，则该芯片盘将通过正常通道进行下一道工序，否则将芯片盘导入问题通道。

9.根据权利要求6所述一体化定位平台，其特征在于，当芯片盘通过导轨运行至工业摄像头下方时，工业摄像头将采集到的芯片盘图像送至处理器进行图像处理；在处理器中使用训练好的YOLOv3-tiny网络对采集的芯片盘图像中的芯片进行定位，获取芯片实时坐标信息；机器人根据处理器所提供的芯片坐标抓取芯片。