PCB板上元器件型号识别方法、合格判定方法、终端、介质与流程

本发明涉及元器件检测，特别是涉及一种pcb板上元器件的型号识别方法、一种pcb板合格判定方法，以及用于该型号识别方法的终端及介质。

背景技术：

1、作为电力计量结算的基础措施，电能表的质量管控至关重要。其中针对电能表pcb上的计量、采样以及通信等关键元器件，核对其型号、规格是否与投标承诺一致是保证电能表质量的重要手段。

2、目前，针对pcb板上元器件的型号核验，自动化方式通常基于模板匹配、ocr字符识别或单一深度学习模型进行分类识别。

3、然而，现有pcb板元器件排布密集、尺寸微小，分区域拍摄易造成同一元器件被重复检测或漏检。同时，ocr识别易受三防漆覆盖、丝印磨损等因素干扰。单一识别路径在复杂场景下鲁棒性不足，某一方法失效时缺乏冗余校验机制。现有融合方案中各路径权重多为固定值，未考虑不同元器件类型对各识别方法的适配性差异，融合结果的准确性受限。

技术实现思路

1、（1）要解决的技术问题

2、为了解决现有pcb板元器件比对检测中，难以排除图像信息不完备或特征表征能力不足对元器件型号识别干扰的技术问题，本发明提供一种pcb板上元器件的型号识别方法、一种pcb板合格判定方法，以及用于该型号识别方法的终端及介质。

3、（2）技术方案

4、本发明第一方面提供的一种pcb板上元器件的型号识别方法，其步骤包括：

5、提取元器件图像集的丝印信息并与样本库匹配，输出第一识别结果；基于相似度度量提取图像特征，与样本库比对并经阈值筛选，输出第二识别结果；基于相对距离排序提取图像特征，与样本库比对并经阈值筛选，输出第三识别结果；对元器件图像集进行分类识别并经阈值筛选，输出第四识别结果；各识别结果包括元器件类别与识别置信度；

6、根据各识别结果的历史准确率与当前样本置信度共同计算基础权重，叠加类别适配的平滑、惩罚及补偿因子进行权重修正，对修正后的权重进行归一化处理，再基于归一化权重对四类识别结果进行加权融合，输出元器件型号。

7、作为上述方案的进一步改进，获取元器件图像集步骤包括：

8、对pcb图像集中各子图像进行特征提取，得到各子图像中元器件的位置坐标与类别矩阵；将各子图像合成为完整pcb图像，并将各子图像的元器件位置坐标映射至完整pcb图像的全局坐标系，得到全图元器件位置坐标；基于全图元器件位置坐标与类别矩阵，对属于同一元器件的重复检测坐标进行合并，得到去重后的完整元器件图像集。

9、作为上述方案的进一步改进，各子图像按照预设固定步长沿x轴和y轴方向依次采集，相邻子图像之间保留重叠区域，以确保pcb所有位置均被采集。

10、作为上述方案的进一步改进，元器件位置坐标映射规则的表达式为：

11、；

12、式中，llocal,q表示第q个元器件位置坐标，lglobal,q表示第q个全图元器件位置坐标，l为步进矩阵，u表示相邻两幅子图像在水平和垂直方向上的相对位置偏移量，v表示单位行向量，v∈r1×4；其中，llocal=[llocal,1,llocal,2,llocal,3,…,llocal,n]t∈rq×4×2，lglobal=[lglobal,1,lglobal,2,lglobal,3,…,lglobal,q]t∈rq×4×2，且q表示各子图像中元器件总数量；

13、第i个元器件位置坐标llocal,i表达式为：

14、；

15、式中，xi,j表示第i个元器件在pcb图像集上的横坐标，yi,j表示第i个元器件在pcb图像集上的纵坐标；其中，j⊆[1,2,3,4]，角坐标1,2,3,4分别表示该元器件位置坐标的左上、右上、右下、左下；‌

16、l的表达式为：

17、；

18、式中，x为沿x轴按照预设固定步长步进次数，y为沿y轴按照预设固定步长步进次数，ny为沿y轴按照预设固定步长最大可步进次数；

19、u的表达式为：

20、；

21、式中，w和h分别表示子图像的宽和高，wiou和hiou分别表示两幅子图像在x,y方向上的重叠区域。

22、作为上述方案的进一步改进，基于全图元器件位置坐标与类别矩阵得到元器件图像集的步骤包括：

23、判断两元器件全图位置坐标是否重叠；

24、利用暴力检索得到互不相交的极大重叠元器件坐标分量；

25、对于每一组极大重叠元器件坐标分量，拼接顶点矩阵，对属于同一元器件的重复检测坐标进行合并；

26、基于完整pcb图像以及元器件坐标合并位置，截取元器件图像，形成元器件图像集。

27、作为上述方案的进一步改进，两元器件全图位置坐标是否重叠的判断规则如下：

28、；

29、式中，lglobal,i表示第i个全图元器件位置坐标，lglobal,j表示第j个全图元器件位置坐标，ci表示第i元器件类别矩阵，cj表示第j个元器件类别矩阵，min（lglobal,i,axis=0）(1)表示对矩阵lglobal,i按列求最小值，并返回结果向量的第一列，max（lglobal,j,axis=0）(1)表示对矩阵lglobal,j按列求最大值，并返回结果向量的第一列，min（lglobal,i,axis=0）(2)表示对矩阵lglobal,i按列求最小值，并返回结果向量的第二列，max（lglobal,j,axis=0）(2)表示对矩阵lglobal,j按列求最大值，并返回结果向量的第二列。

30、作为上述方案的进一步改进，顶点矩阵拼接的表达式为：

31、；

32、式中，ks表示极大重叠元器件坐标分量的集合。

33、作为上述方案的进一步改进，合并后的坐标点为：

34、；

35、式中，i1和i2表示索引模板矩阵，j1和j2表示投影矩阵，s表示合并后的坐标点的数量，且s＜q；

36、i1和i2具体为：

37、；

38、j1和j2具体为：

39、。

40、作为上述方案的进一步改进，第一识别结果包括第一元器件类别nnor∈[1,n]，以及第一识别置信度；其中，n为样本类别数量；

41、第二识别结果包括第二元器件类别nsiamses∈[1,n]，以及第二识别置信度；

42、第三识别结果包括第三元器件类别ntriplet∈[1,n]以及第三识别置信度；

43、第四识别结果包括第四元器件类别ndino∈[1,n]以及第四识别置信度。

44、作为上述方案的进一步改进，基础权重的表达式为：

45、；

46、式中，表示识别模型m得到的历史准确率，表示识别模型m识别到类别n的识别置信度；m∈[ocr,siamese,triplet,dino]，n表示元器件类别，n∈[nocr,nsiamese,ntriplet,ndino]，且n∈[1,n]，n表示样本类别数量；

47、其中：

48、；

49、式中，表示第一识别结果的历史准确率，表示第二识别结果的历史准确率，表示第三识别结果的历史准确率，表示第四识别结果的历史准确率。

50、作为上述方案的进一步改进，权重修正的表达式为：

51、；

52、式中，表示用于解决小样本问题的贝叶斯平滑类别准确率，其表达式为：

53、；

54、其中，h∈r1×n表示验证集不同类别的数量矩阵，hn表示验证集类别n的数量；

55、表示解决误判问题的类别混淆惩罚因子，其表达式为：

56、；

57、式中，fp∈r3×n表征其他类别误判至本类的类别误判矩阵，fpm,n表示模型m把其他类别的样本错误预测为类别n的总次数；

58、表示解决样本不平衡的样本占比补偿因子，其表达式为：

59、。

60、作为上述方案的进一步改进，归一化权重的表达式为：

61、。

62、作为上述方案的进一步改进，最终的结果识别结果的表达式为：

63、。

64、本发明第二方面提供的一种pcb板合格判定方法，其包括：

65、根据预设pcb板上元器件的型号对比待测pcb板上元器件的型号是否相同；

66、如果每个元器件都相同，则认为待测pcb板能正常使用，否则认为待测pcb板不能正常使用；

67、待测pcb板上元器件的型号识别方法采用如上述的pcb板上元器件的型号识别方法。

68、本发明第三方面提供的一种计算机终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述的pcb板元器件比对检测方法的步骤。

69、本发明第四方面提供的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时，实现如上述的pcb板元器件比对检测方法的步骤。

70、（3）有益效果

71、1、本发明通过提取元器件图像集的丝印信息并与样本库匹配，且基于相似度度量提取图像特征，与样本库比对并经阈值筛选，且基于相对距离排序提取图像特征，与样本库比对并经阈值筛选，且对元器件图像集进行分类识别并经阈值筛选，最终得到四类识别结果，各识别结果包括元器件类别与识别置信度，且在四类识别结果融合阶段，充分考虑元器件数据集小样本问题、误判问题以及样本不均衡问题，引入历史准确率、类别混淆惩罚因子以及样本占比补偿因子修正不同识别结果的权重因子，从而进一步提高元器件对比检测的准确性。故，本发明通过融合四类识别结果，确定最后的元器件识别型号，从而解决了现有pcb板元器件比对检测中，难以排除图像信息不完备或特征表征能力不足对元器件型号识别干扰的技术问题。

72、2、本发明基于深度学习与图像处理的融合元器件比对检测算法与系统能够提取元器件的更加多维特征：该方法基于图像处理技术与ocr识别高效获取元器件图像丝印信息，基于siamese和triplet两类对比学习精准确定相似元器件图像，基于dinov3网络提取元器件特征确定类别信息，根据不同元器件类型对各识别路径的适配性差异，自动调整融合权重，克服了现有固定权重方案在面对多样化元器件时融合结果不稳定的缺陷。