[发明专利]基于深度学习的PCB板镭射标靶识别方法及系统

说明书

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。

技术领域

本发明属于PCB板技术领域，具体涉及一种基于深度学习的PCB板镭射标靶识别方法及系统。

背景技术

PCB板的生产流程包括钻孔、沉铜、图形转移、图形电镀、退膜等多个工艺，其中，关键步骤“图形转移”即曝光流程，具体是：将电路图案通过紫外光精准地转移到覆在PCB表面的感光材料(干膜或者湿膜)上；感光材料发生光化学反应，内部化学结构发生变化，物性发生变化，而未照射的不发生化学反应，活性不变。利用这一特性，采用溶解或剥离方法形成导电图形。

PCB板的图形转移过程需要通过专用设备在PCB板上进行镭射曝光，曝光出指定图案以作为图案曝光位置的标记；然后曝光设备通过图形识别镭射标靶位置，从而进行下一步曝光工序。

目前，电路板的电路细度最小可达20微米以内，因此，图形转移的识别精度对于PCB板的生产质量极为重要，提高识别精度即为PCB生产的关键步骤之一。

发明内容

为了解决上述问题，本发明提供一种基于深度学习的PCB板镭射标靶识别方法，其提高了镭射标靶的识别精度。

本发明的另一目的是提供一种基于深度学习的PCB板镭射标靶识别系统。

本发明所采用的技术方案是：

一种基于深度学习的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。

优选地，所述S1中预制镭射标靶图案，具体为：

S11，预制光学掩膜版；

S12，激光光束通过所述S11中的光学掩膜版射在覆感光膜的PCB板的四个角上，生成镭射标靶图案。

优选地，所述S2中对所述镭射标靶图案进行图像采集，得到灰度图，具体为：

将已生成镭射标靶图案的PCB板传送至曝光设备，位于曝光设备上的工业相机通过导轨移动至镭射标靶位置进行图像采集，并将图像的位置数据及图像数据发送至曝光设备的工业计算机中；

所述工业计算机对图片进行去噪处理，去除图像中的多余噪点；将去除噪点之后的图像分解出灰度图。

优选地，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；