基于多吸嘴协同作业的智能补植柱方法与流程
本发明涉及器件封装、图像识别与计算机,具体涉及基于多吸嘴协同作业的智能补植柱方法。
背景技术:
1、在器件自动化封装研究领域,针对焊柱精准排列这一核心难题,一种行之有效的方法是采用定位板实现焊柱的批量初定位,再通过基于多吸嘴协同作业的智能补植柱技术对排列阶段出现的空缺进行识别与补植,以视觉引导的自动化操作替代传统的人工目检与手工补植。
2、定位板作为精密加工的导向工装,通过阵列化的导向孔为焊柱提供初步的径向约束,使操作人员或自动供料系统能够将焊柱快速植入对应位置,完成焊柱在基板焊盘上的批量放置。该过程虽然显著提升了排列效率,但受限于植柱过程的固有随机性,定位板批量初定位后往往存在少量局部的焊柱缺失。
3、在实际生产中,上述少量局部焊柱缺失完全依赖操作人员使用镊子等微操作工具进行补植,极为耗时且质量一致性差。然而,现有技术中尚缺乏一种能够将视觉检测、缺位识别与多吸嘴协同路径规划有机结合,并针对植柱后产生的少量空缺孔位进行高效、精准补植的方法,以解决人工补植效率低下、质量不稳的问题。
技术实现思路
1、为了解决现有技术中焊柱补植依赖人工、效率低下且质量不稳定的问题,本发明提供一种基于多吸嘴协同作业的智能补植柱方法,通过集成多孔洞鲁棒识别与定位技术、自适应多吸嘴协同补植控制技术以及动态耦合协同运动控制技术,实现对焊柱阵列中空缺孔位的自动识别与多吸嘴并行补植,整个过程无需人工干预。补植柱是指将焊柱从供料区移送并嵌入至定位板空缺孔位,直至整个区域内所有空缺孔位全部完成补植的操作过程。
2、本发明解决上述技术问题所采用的技术方案是:基于多吸嘴协同作业的智能补植柱方法,包括以下步骤:
3、s1、采集定位板全局图像并输入预先训练的轻量级二分类检测网络,识别焊柱与空缺孔位候选区域,再结合定位板先验网格结构对检测结果进行全局优化匹配以剔除误检、补全漏检,对确认的空缺孔位进行亚像素级边缘定位,输出空缺孔位的高精度坐标;
4、s2、以空缺孔位的高精度坐标为输入,结合多吸嘴贴装头的空间排布,采用聚类算法对空缺孔位进行分组并指派至对应吸嘴,建立多目标优化模型确定补植顺序,并采用模型预测控制框架根据实时反馈状态对剩余补植路径和顺序进行滚动优化;
5、s3、建立双驱龙门平台的三自由度动力学模型,通过任务空间坐标变换将笛卡尔直线进给运动与偏转角解耦为相互独立的控制通道,按s2确定的顺序与轨迹驱动多吸嘴完成焊柱定点吸取与投放补植。
6、进一步地,步骤s1中的轻量级二分类检测网络采用全卷积检测架构,包括卷积层、最大池化层以及多个通道数逐级增加的卷积层,并引入残差连接,在最终特征图上应用两个并行的卷积层,分别输出二分类得分图和位置偏移图,经非极大值抑制后获得候选区域的粗略位置。
7、进一步地,所述轻量级二分类检测网络的训练采用标注焊柱与空缺孔位边界框的全局图像数据集,数据增强包括随机旋转、亮度对比度调整和随机裁剪,损失函数由采用focal loss的分类损失和采用smooth l1损失的回归损失组成,优化器选用adam并采用余弦退火衰减。
8、进一步地,步骤s1中,全局优化匹配以位置偏差代价与邻域畸变惩罚项之和最小化为优化目标,建立检测孔洞与理论网格节点之间的匹配变量,所述全局优化匹配属于线性指派问题并采用匈牙利算法求解。
9、进一步地,步骤s1中,亚像素级边缘定位采用canny算子获取整像素边缘点,沿各边缘点梯度方向构建一维灰度剖面函数并进行泰勒展开,令一阶导数为零求解亚像素偏移量得到亚像素边缘点集,再采用最小二乘椭圆拟合求取空缺孔位中心坐标。
10、进一步地,步骤s2采用k-means++聚类算法对空缺孔位进行初始分组,聚类数由空缺孔位总数与吸嘴数量的比值确定,每个分组内的空缺孔位数量等于吸嘴数量。
11、进一步地,在初始分组基础上,以各空缺孔位至对应吸嘴基准位置的距离平方和最小化为目标建立线性指派模型,约束条件包括每个空缺孔位恰好分配给一个吸嘴、每个吸嘴恰好分配一个空缺孔位、以及分配给吸嘴的空缺孔位位于其有效行程半径内。
12、进一步地,步骤s2中,多目标优化模型的优化目标包括总移动路径最短、吸嘴负载均衡和满足工艺优先约束;所述模型预测控制框架在每个决策时刻根据当前状态重新预测未来一段时域内的最优决策,对剩余补植路径和顺序进行在线动态调整,实现决策层与控制层的协同。
13、进一步地,步骤s3中,以工作探头沿x轴位移、横梁几何中心沿y轴位移和横梁偏转角为状态变量,根据两侧光栅尺测得的y轴位移建立双驱龙门平台的三自由度动力学方程,设计坐标变换矩阵将耦合系统解耦为x轴平动、y轴平动与偏转角三个独立控制通道。
14、进一步地,步骤s3中,焊柱定点吸取为:驱动运动平台将各吸嘴移动至供料区取料位置,吸嘴下降至预设高度使取料针接触焊柱表面,启动对应的真空发生器建立负压并通过负压传感器实时监测吸附状态,确认吸附成功后吸嘴上升完成吸取,多吸嘴通过真空阀的独立控制实现同时或分时操作。
15、与现有技术相比,本发明具有如下有益技术效果。
16、首先,本发明通过轻量级二分类检测网络结合定位板先验网格结构进行全局优化匹配,能够有效剔除误检点、补全漏检点,并通过亚像素级边缘定位获得高精度空缺孔位坐标,避免了因光照变化、反光或成像模糊导致的漏检或误检,有效降低漏补与错补风险。
17、其次,本发明将多吸嘴任务分配、补植顺序优化与模型预测控制滚动优化有机结合,使系统能够根据执行过程中的实时反馈在线调整后续补植策略,实现了智能化、自适应的自主补植,改变了传统工艺依赖操作人员目检与手工补植的劳动密集型模式,大幅降低了人力成本和人为质量波动。
18、最后,本发明通过双驱龙门平台三自由度动力学建模与任务空间坐标变换解耦,并辅以神经网络补偿器对未建模动态与外部扰动的在线补偿,有效解决了龙门平台在高速高加速运动中因双轴同步误差、机械柔性和负载变化耦合导致的定位精度恶化问题,保证高速运动下的定位精度与稳定性。
19、经仿真验证,本发明在100张测试图片中对400个空缺孔位的检出精确率、召回率及f1分数均达100%;6吸嘴对10个空缺孔位协同补植的总移动距离为1364.7mm且负载均衡;圆形与椭圆轨迹跟踪的最大误差约为6至8μm。
1.基于多吸嘴协同作业的智能补植柱方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,步骤s1中的轻量级二分类检测网络采用全卷积检测架构,包括卷积层、最大池化层以及多个通道数逐级增加的卷积层,并引入残差连接,在最终特征图上应用两个并行的卷积层,分别输出二分类得分图和位置偏移图,经非极大值抑制后获得候选区域的粗略位置。
3. 根据权利要求2所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,所述轻量级二分类检测网络的训练采用标注焊柱与空缺孔位边界框的全局图像数据集,数据增强包括随机旋转、亮度对比度调整和随机裁剪,损失函数由采用focal loss的分类损失和采用smooth l1损失的回归损失组成,优化器选用adam并采用余弦退火衰减。
4.根据权利要求1所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,步骤s1中,全局优化匹配以位置偏差代价与邻域畸变惩罚项之和最小化为优化目标,建立检测孔洞与理论网格节点之间的匹配变量,所述全局优化匹配属于线性指派问题并采用匈牙利算法求解。
5.根据权利要求1所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,步骤s1中,亚像素级边缘定位采用canny算子获取整像素边缘点,沿各边缘点梯度方向构建一维灰度剖面函数并进行泰勒展开,令一阶导数为零求解亚像素偏移量得到亚像素边缘点集,再采用最小二乘椭圆拟合求取空缺孔位中心坐标。
6.根据权利要求1所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,步骤s2采用k-means++聚类算法对空缺孔位进行初始分组,聚类数由空缺孔位总数与吸嘴数量的比值确定,每个分组内的空缺孔位数量等于吸嘴数量。
7.根据权利要求6所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,在初始分组基础上,以各空缺孔位至对应吸嘴基准位置的距离平方和最小化为目标建立线性指派模型,约束条件包括每个空缺孔位恰好分配给一个吸嘴、每个吸嘴恰好分配一个空缺孔位、以及分配给吸嘴的空缺孔位位于其有效行程半径内。
8.根据权利要求1所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,步骤s2中,多目标优化模型的优化目标包括总移动路径最短、吸嘴负载均衡和满足工艺优先约束;所述模型预测控制框架在每个决策时刻根据当前状态重新预测未来一段时域内的最优决策,对剩余补植路径和顺序进行在线动态调整,实现决策层与控制层的协同。
9.根据权利要求1所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,步骤s3中,以工作探头沿x轴位移、横梁几何中心沿y轴位移和横梁偏转角为状态变量,根据两侧光栅尺测得的y轴位移建立双驱龙门平台的三自由度动力学方程,设计坐标变换矩阵将耦合系统解耦为x轴平动、y轴平动与偏转角三个独立控制通道。
10.根据权利要求1所述的基于多吸嘴协同作业的智能补植柱方法,其特征在于,步骤s3中,焊柱定点吸取为:驱动运动平台将各吸嘴移动至供料区取料位置,吸嘴下降至预设高度使取料针接触焊柱表面,启动对应的真空发生器建立负压并通过负压传感器实时监测吸附状态,确认吸附成功后吸嘴上升完成吸取,多吸嘴通过真空阀的独立控制实现同时或分时操作。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com