3. PCB表面元器件检测（机械臂+机器视觉）

深度学习驱动的PCB元器件智能检测系统

原创

已于 2022-10-21 17:07:59 修改 · 1.4k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #计算机视觉 #深度学习

于 2022-09-10 19:57:24 首次发布

该作品运用深度学习、机器学习技术，结合机械臂运动控制，实现PCB板表面元器件的精准检测。创新点包括元器件的精确定位、种类与极性识别以及机械臂的路径规划。系统能检测漏焊、错焊、极性反转和位置偏移等问题。

本作品旨在运用深度学习、机器学习、机械臂运动控制等相关技术，通过构建目标检测等网络模型实现自动检测PCB板表面元器件的漏焊、错焊、极性反转和偏移等功能。
创新点：
(1)重点解决对PCB板和元器件的精确定位问题，以适应不同PCB板和元器件的尺度变化情况。该步骤是实现机械臂对PCB板抓取和深度学习网络对元器件识别的基础，同时也可以将对元器件的定位结果与标准模板进行对比，判断元器件是否存在错焊和位置偏移现象。主要研究包括：PCB板定位技术、目标元器件的粗定位、递进式目标元器件的精细化定位。
(2)通过构造一个级联的系统，以前期对元器件的精确定位为基础，实现对目标元器件的种类和极性进行准确的识别，并与标准模板进行对比，判断元器件是否存在错焊和极性元器件是否出现极性反转的问题。主要研究包括：将极性方向问题转化为分类问题、目标元器件的种类与极性的分类网络。
(3)在前期对PCB板定位的基础上，通过计算PCB板在相机坐标系下的位置和姿态，并将PCB板在相机坐标系下的位姿转到机械臂坐标系下的位姿。在通过求解机械臂抓取目标PCB板的“最优解”，从而实现机械臂抓取目标PCB板的路径规划。主要研究包括：目标电路板的实际位姿计算、机械臂的最优控制策。

PCB表面元器件检测系统-介绍视频：

PCB表面元器件检测系统-演示视频：