(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211253170.1 (22)申请日 2022.10.13 (71)申请人 南通启锦智能科技有限公司 地址 226000 江苏省南 通市启东市合作镇 教育路(镇政 府西侧) (72)发明人 卢友彬　 (74)专利代理 机构 广州海藻专利代理事务所 (普通合伙) 44386 专利代理师 郑凤姣 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/90(2017.01) G06V 10/26(2022.01) G06V 10/54(2022.01)G06V 10/56(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于机器学习的电子元器件识别方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种基于机器学习的电子元器件识别方法。 该方法 包括： 获取电路板表面的初始图像； 提取初始图 像中不同的元器件图像并进行边缘检测得到对 应的边缘图像， 对边缘图像中的边缘像素点标记 得到标记 点； 获取每个元器件图像中标记点的角 点值， 将所有标记点对应的角点值构成角点序 列； 利用LBP算子获取每个标记点的纹理值， 所有 标记点的纹理值构成纹理序列； 对每个元器件图 像进行图像分割得到分割图像， 基于分割图像得 到颜色序列； 以每张样本图像对应的角点序列、 纹理序列以及颜色序列对神经网络进行训练， 基 于训练完成的神经网络获取每张待识别的初始 图像中的优化元器件图像； 提高了元器件检测的 精度。 权利要求书1页 说明书4页 附图1页 CN 115359041 A 2022.11.18 CN 115359041 A 1.一种基于 机器学习的电子元器件识别方法， 其特 征在于， 该 方法包括以下步骤： 获取电路板表面的初始图像； 提取所述初始图像中不同的元器件图像， 对每个所述元 器件图像进行边缘检测得到对应的边缘图像， 对所述边缘图像中的边缘像素点标记得到标 记点； 获取每个所述元器件图像中标记点的角点值， 将所有标记点对应的角点值构 成角点序 列； 利用LBP算子获取每个标记点的纹理值， 所有标记点的纹理值构成纹理序列； 对每个所 述元器件图像进行图像分割得到分割图像， 基于所述分割图像得到颜色序列； 以每张样本 图像对应的角点序列、 纹理序列以及颜色序列对神经网络进行训练， 基于 训练完成的神经网络获取每张待识别的初始图像中的优化元器件图像。 2.根据权利要求1所述的一种基于机器学习的电子元器件识别方法， 其特征在于， 所述 获取每个所述元器件图像中标记点的角点 值的步骤， 包括： 对于任意一个标记点， 获取所述标记点与其前后相邻两个标记点的坐标， 根据所述坐 标获取方向角度， 方向角度之间的差值 为所述标记点的角点 值。 3.根据权利要求1所述的一种基于机器学习的电子元器件识别方法， 其特征在于， 所述 基于所述分割图像得到颜色序列的步骤， 包括： 对所述分割图像中元器件部分的每个像素点进行更新得到更新图像， 所述更新图像中 元器件部分所有像素点的灰度值依次排列得到颜色序列。 4.根据权利要求3所述的一种基于机器学习的电子元器件识别方法， 其特征在于， 所述 对所述分割图像中元器件部分的每 个像素点进行 更新得到更新图像的步骤， 包括： 以所述分割图像中每个元器件区域的像素点为中心点， 获取所述中心点3*3邻域内的 平均灰度值， 将所述平均灰度值赋予所述中心点完成对所述中心点的更新， 所有像素点更 新后得到更新图像。权　利　要　求　书 1/1 页 2 CN 115359041 A 2一种基于机 器学习的电子元器件识别方 法 技术领域 [0001]本发明涉及数据处理技术领域， 具体涉及 一种基于机器学习的电子元器件识别方 法。 背景技术 [0002]元器件作为电子领域中的基础单元， 是组成电子电路的基本组成部分。 元器件根 据其功能特性有很多不同的分类， 在一块电路板中是 由多个元器件组成的， 不同元器件安 装在电路板中组成了复杂的电子系统。 元器件在未安装在电路板上之后， 可以通过测试工 具对元器件进行单个识别， 但是当元器件安装在电路板上之后， 测试工具就无法检测出是 那种元器件。 不同的元器件有不同的作用效果， 如果出现安装位置错误， 偏移都会导致一整 块电路板报 废， 因此需要识别不同电子元器件及其 安放位置。 [0003]现有的对电路板上元器件的识别更多是人工识别， 这需要依赖于使用者的先验知 识和丰富的经验， 现有也有使用图像识别元器件的方法， 但是该方法没有结合元器件本身 特征来构建， 检测精度较低。 发明内容 [0004]为了解决上述技术问题， 本发明的目的在于提供一种基于机器学习的电子元器件 识别方法， 该 方法包括以下步骤： 获取电路板表面的初始图像； 提取所述初始图像中不同的元器件图像， 对每个所 述元器件图像进 行边缘检测得到对应的边缘图像， 对所述边缘图像中的边缘像素点标记 得 到标记点； 获取每个所述元器件图像中标记点的角点值， 将所有标记点对应的角点值构成角 点序列； 利用LBP算子获取每个标记点的纹理值， 所有标记点的纹理值构成纹理序列； 对每 个所述元器件图像进行图像分割得到分割图像， 基于所述分割图像得到颜色序列； 以每张样本图像对应 的角点序列、 纹理序列以及颜色序列对神经网络进行训练， 基于训练完成的神经网络获取每张待识别的初始图像中的优化元器件图像。 [0005]优选的， 所述获取每 个所述元器件图像中标记点的角点 值的步骤， 包括： 对于任意一个标记点， 获取所述标记点与其前后相邻两个标记点的坐标， 根据所 述坐标获取 方向角度， 方向角度之间的差值 为所述标记点的角点 值。 [0006]优选的， 所述基于所述分割图像得到颜色序列的步骤， 包括： 对所述分割图像中元器件部分的每个像素点进行更新得到更新图像， 所述更新图 像中元器件部分所有像素点的灰度值依次排列得到颜色序列。 [0007]优选的， 所述对所述分割图像中元器件部分的每个像素点进行更新得到更新图像 的步骤， 包括： 以所述分割图像中每个元器件区域的像素点为中心点， 获取所述中心点3*3邻域 内的平均灰度值， 将所述平均灰度值赋予所述中心点完成对所述中心点的更新， 所有像素说　明　书 1/4 页 3 CN 115359041 A 3