[发明专利]一种基于残差的贴片图像增强识别方法及装置

说明书

本申请实施例公开了一种基于残差的贴片图像增强识别方法及装置。本申请实施例提供的技术方案，通过获取图像样本，基于图像样本构建残差样本，并基于残差样本通过卷积神经网络训练得到残差网络模型，提取图像传感器实时采集的贴片图像，将贴片图像输入残差网络模型，基于残差网络模型对贴片图像进行重建得到对应的增强图像，基于增强图像进行贴片检测识别，输出对应的贴片检测结果。采用上述技术手段，通过对贴片图像进行有效增强，提升贴片图像的分辨率，进而提升贴片图像识别检测效率和准确率，优化识别检测效果。并且，本申请实施例通过第二深度神经网络模型验证贴片检测结果，可以进一步提升贴片检测识别精度，优化贴片误差识别效果。

技术领域

本申请实施例涉及贴片机技术领域，尤其涉及一种基于残差的贴片图像增强识别方法及装置。

背景技术

目前，贴片机是SMT(表面贴装技术)的生产线中的主要设备，也是整个SMT生产中最关键、最复杂的设备。贴片机在贴放元器件时，为了确保元器件贴放的精准度，通常会通过人工或者图像处理技术定位贴片位置，以此来确保元器件贴片的精准度。

但是，由于贴片机要处理的元器件封装形式多种多样，各种元器件在外形和大小上存在差异，通过人工定位贴片容易引起定位误差，而图像处理的方式又容易受图像质量的影响，进而影响贴片机的贴片精度，导致贴片效果相对偏差。

发明内容

本申请实施例提供一种基于残差的贴片图像增强识别方法及装置，能够对采集的贴片图像进行有效增强，提升贴片图像识别检测效率和准确率，优化识别检测效果。

在第一方面，本申请实施例提供了一种基于残差的贴片图像增强识别方法，包括：

获取图像样本，所述图像样本包括对应不同拍摄条件拍摄贴片作业的第一图像样本和对应的第二图像样本；

基于所述图像样本构建残差样本，并基于所述残差样本通过卷积神经网络训练得到残差网络模型；

提取图像传感器实时采集的贴片图像，将所述贴片图像输入所述残差网络模型，基于所述残差网络模型对所述贴片图像进行重建得到对应的增强图像；

基于所述增强图像进行贴片检测识别，输出对应的贴片检测结果。

进一步的，基于所述图像样本构建残差样本，包括：

将所述第一图像样本分解成对应不同方向分量的多个子图像；

根据所述子图像和所述第二图像样本计算得到对应的残差图像；

以各个所述残差图像构建残差样本，所述残差图像表示所述子图像与所述第二图像样本在对应方向分量的差异。

进一步的，所述残差图像的计算公式为：

p_i＝y_i-x

其中，y_i为所述第一图像样本的第i个子图像，x为所述第二图像样本，p_i为对应的残差图像。

进一步的，基于所述残差样本通过卷积神经网络训练得到残差网络模型，包括：

基于所述残差样本训练所述残差网络模型的模型参数，并根据所述模型参数确定所述残差网络模型的目标训练函数。

进一步的，基于所述残差网络模型对所述贴片图像进行重建得到对应的增强图像，包括：

基于所述残差网络模型计算所述贴片图像所对应的贴片残差图像；

根据所述贴片残差图像计算获得对应的贴片子图像，并将所述贴片子图像进行空间位置变换重建对应的增强图像。

进一步的，基于所述增强图像进行贴片检测识别，输出对应的贴片检测结果，包括：