CN109648314A - 多通道微波组件的智能物料分选和装配系统及使用方法 - Google Patents

Abstract

本发明公开一种多通道微波组件的智能物料分选和装配系统及使用方法，包括取样组件、机器手臂、计算机系统、装配台；所述计算机系统与所述取样组件、所述机器手臂数据连接；所述计算机系统通过对所述取样组件采取的参数进行数据分析进行合理化分料匹配，并通过设定程序控制所述机器手臂将待配装壳体、待配装基板和待配装连接器组装一体形成多通道微波组件，从而完成所述多通道微波组件的分料装配操作；本发明中采用图像采集和图像处理算法，可以实现对于待配装元件尺寸的测量和重心的获取；根据待配装元件的重心位置对机械手臂拾取位置进行修正，从而实现对于待配装元件的稳定抓取。

Description

多通道微波组件的智能物料分选和装配系统及使用方法

技术领域

本发明涉及微波组件装配技术领域，具体涉及一种多通道微波组件的智能物料分选和装配系统及使用方法。

背景技术

多通道微波组件是混合集成电路的一种普遍形式。通常的微波多通道组件是由壳体、高频低频连接器、基板和各种衬底组成。

现有应用于多通道微波组件的装焊系统，一般采用自动上料、人工理料的方式，即采用机械手臂将待装配的基板或者连接器等零部件放置于壳体上的指定位置。一方面，由于基板等零部件尺寸超差使得装备过程中会发生零部件干涉的情况，另一方面，机械手臂在运送过程中由于定位不准确使得零部件放置位置发生偏差造成装配精度无法保证。

此外，壳体两边的连接器尺寸过大可能造成无法装配，同时连接器尺寸过小则可能造成空隙过大使得焊接气密性无法保证。由于装配精度的无法提高和装配结果的无法预测，造成待配装元件的一次可装配率低，易造成装配时间和待配装元件的极大浪费。由于存在的装配干涉情况，使得必须安排技能人员维护正常的生产状态，造成人力的浪费。随着多通道微波组件的频段要求越来越高，对于基板焊接后间隙控制要求也将越发严格，已有的普通装焊系统已经无法满足生产要求。

鉴于上述缺陷，本发明创作者经过长时间的研究和实践终于获得了本发明。

发明内容

为解决上述技术缺陷，本发明采用的技术方案在于，提供一种多通道微波组件的智能物料分选和装配系统，包括取样组件、机器手臂、计算机系统、装配台；所述计算机系统与所述取样组件、所述机器手臂数据连接；所述计算机系统通过对所述取样组件采取的参数进行数据分析进行合理化分料匹配，并通过设定程序控制所述机器手臂将待配装壳体、待配装基板和待配装连接器组装一体形成多通道微波组件，从而完成所述多通道微波组件的分料装配操作。

较佳的，所述取样组件包括设置在处于所述装配台正上方并可移动的第一智能相机，以及对称设置在所述装配台两侧面的第二智能相机和第三智能相机；所述第一智能相机针对装配前的所述待配装壳体和各种所述待配装基板进行拍照，利用所述计算机系统内存储的图像分析算法提取所述待配装壳体和所述待配装基板的关键尺寸参数，并将所述关键尺寸参数记录在所述计算机系统中，用于后续装配过程中所述待配装壳体与所述待配装基板之间的匹配算法分析；所述第二智能相机、所述第三智能相机安装在所述装配台的侧面，用于拍摄所述待配装壳体两侧的连接器插孔图像，利用所述计算机系统的圆孔尺寸分析算法获得安装孔尺寸信息实现与对应所述待配装连接器的有效配对。

较佳的，所述机机械手臂的末端装有磁性吸盘，所述磁性吸盘用于吸取各类吸嘴，便于所述待配装壳体、所述待配装基板和所述待配装连接器的拿取。

较佳的，所述第一智能相机、所述第二智能相机、所述第三智能相机均连接着所述计算机系统，通过电缆将拍摄的图片传入所述计算机系统，并进行后期的图像处理和测量分析；在所述取样组件内部有多层环状的LED光源用于拍照时的照明，通过不同的打光颜色，使得待配装元件相较于背景突出，便于特征提取。

较佳的，一种所述多通道微波组件的智能物料分选和装配系统的使用方法，包括步骤；

S1，所述取样组件提取壳体关键参数；

S2，所述取样组件提取基板关键参数；

S3，在所述计算机系统内将所述壳体关键参数与所述基板关键参数进行预匹配，分别设定第一匹配概率阈值，并记录基板匹配结果；

S4，依照所述基板匹配结果，通过所述机机械手臂进行实际匹配，并记录成功配装的对数；

S5，针对剩下的没有完成装配的待配装基板，重复步骤S3、步骤S4，尝试基板再装配；

S6，所述取样组件提取连接器插孔关键参数；

S7，所述取样组件提取连接器关键参数；

S8，在所述计算机系统内将所述连接器插孔关键参数与所述连接器关键参数进行预匹配，分别设定第二匹配概率阈值，并记录连接器匹配结果；

S9，依照所述连接器匹配结果，通过所述机机械手臂进行实际匹配，并记录成功配装的对数；

S10，针对剩下的没有完成装配的待配装连接器，重复步骤S8、步骤S9，尝试连接器再装配。

较佳的，所述第一智能相机、所述第二智能相机、所述第三智能相机获取的图样均为灰度值图片；通过所述灰度值图片获得所述待配装元件的面积信息，根据所述待配装元件的像素分布的位置和数量计算所述待配装元件的重心位置，将所述重心位置与所述待配装元件的编号在所述计算机系统中一一对应并记录下来。

较佳的，通过所述待配装元件边缘上的检测框检测边缘像素值跳跃变化的位置；所述待配装元件为矩形，拟合出长边与短边的位置，利用长边与短边的相交位置，确定所述待配装元件四个顶点的位置信息，从而获得所述待配装元件的尺寸值；所述待配装元件为圆形，先通过检测边缘像素值跳跃变化的位置，获得若干个位于边缘位置的边界点，利用最小二值法对边界点进行拟合，从而获得圆的尺寸信息和圆心坐标位置信息。

较佳的，对所述壳体关键参数与所述基板关键参数中的尺寸数值分别进行排序，所述尺寸数值包括所述待配装壳体和所述待配装基板的外形尺寸；选定所述外形尺寸中的一项作为排序尺寸数值，将所述待配装壳体和所述待配装基板分别按所述尺寸数值由大到小均匀分为若干子类，子类的数量由人工输入所述计算机系统，计算出每一子类中尺寸数值的平均值和方差值，将各所述子类参数的平均值和方差值近似为一个正态分布并作为蒙特卡罗模拟的输入参数。

较佳的，根据各子类的平均值和方差值在所述计算机系统中模拟出的所述待配装壳体和所述待配装基板的形状；利用所述计算机系统的随机数产生程序，产生满足所述待配装基板子类平均值和方差值的正态分布，以在所述计算机系统内部生成数字化待配装元件，利用蒙特卡洛算法对于子类元件进行模拟投点，得到子类元件的位置分布图；模拟装配时根据边缘是否交叠判断是否发生装配干涉，通过计算未发生干涉的模拟配对数与总的模拟配对次数的比值，将所述比值与所述第一匹配概率阈值比较；若所述比值高于所述第一匹配概率阈值，判断该组子类配对成功，并记录该组子类配对，以在所述步骤S4实际匹配中作为数据调用；当所有子类配对组合完成装配后，记录下所有符合要求的子类配对组合，并从中选取所述比值最大的所有子类配对组合。

较佳的，在所述待配装壳体上装配完成第一待配装基板和第二待配装基板后，使用所述第一智能相机拍照获取初配图样，对所述初配图样依次采用二值化方法和距离测量方法，以计算所述待配装壳体上可用于装配第三基板的剩余空间；利用蒙特卡罗算法对预定的子类中的所有所述第三基板进行模拟配装，并选择所述第三基板进行实际装配。

与现有技术比较本发明的有益效果在于：1，本发明中采用图像采集和图像处理算法，可以实现对于待配装元件尺寸的测量和重心的获取。根据待配装元件的重心位置对机械手臂拾取位置进行修正，从而实现对于待配装元件的稳定抓取；2，利用计算机视觉将待配装元件的尺寸信息进行有效提取，并保存在计算机中形成数字化的模型。又利用蒙特卡罗算法实现壳体和待配装元件的模拟配装，计算出了该配对的模拟一次装配成功率，并且提出了计算某批次组件总的一次可装配性的评估函数，利用该评估函数，选择判断最优的待配装元件配对方法；最终，根据待配装元件在计算机中存储的位置和优化配对的结果，利用机械臂进行装配。

附图说明

图1为本发明多通道微波组件的智能物料分选和装配系统的结构组成图；

图2为本发明所述待配装基板和所述待配装壳体的装配流程图；

图3为蒙特卡罗模拟装配的示意图；

图4为本发明所述待配装连接器和所述待配装壳体的装配流程图。

图中数字表示：

1-第一智能相机；2-第二智能相机；3-第三智能相机；4-机器手臂；5-计算机系统；6-装配台；7-壳体台；8-吸嘴台；9-料台；10-成品台；11-待配装壳体；12-吸嘴；13-待配装基板；14-待配装连接器。

具体实施方式

以下结合附图，对本发明上述的和另外的技术特征和优点作更详细的说明。

实施例一

如图1所示，图1为多通道微波组件的智能物料分选和装配系统的结构组成图；本发明多通道微波组件的智能物料分选和装配系统包括取样组件、机器手臂4、计算机系统5、装配台6；所述计算机系统5与所述取样组件、所述机器手臂4数据连接；所述计算机系统5通过对所述取样组件采取的参数进行数据分析进行合理化分料匹配，并通过设定程序控制所述机器手臂4将待配装壳体11、待配装基板13和待配装连接器14组装一体形成多通道微波组件，从而完成所述多通道微波组件的分料装配操作。

若干种类的所述待配装壳体11放置于壳体台7上；若干种类的所述待配装基板13和所述待配装连接器14放置于料台9上，对应不同种类的所述待配装基板13或所述待配装连接器14设置有配套的吸嘴12，所述吸嘴12放置在吸嘴台8上。

所述的机器手臂4由电缆连接到所述计算机系统5，由所述计算机系统5发出指令控制所述机器手臂4将由所述计算机系统5分析得到的待配装元件从所述壳体台7或者所述料台9上转移到所述装配台6上。所述待配装元件为所述待配装壳体11、所述待配装基板13和所述待配装连接器14；考虑到待配装元件种类的不同，所述机器手臂4在拾取不同待配装元件时，需要由所述机器手臂4换取不同的所述吸嘴12。

较佳的，所述机机械手臂4的末端装有磁性吸盘，利用磁性吸盘可自由吸取各类吸嘴12。各类吸嘴12的大小不一，适用于不同尺寸的基板、壳体以及连接器，从而确保不同待配装元件的稳定吸取。

所述取样组件包括设置在处于所述装配台6正上方并可移动的第一智能相机1，以及对称设置在所述装配台6两侧面的第二智能相机2和第三智能相机3。所述第一智能相机1针对装配前的所述待配装壳体11和各种所述待配装基板13进行拍照，利用所述计算机系统5内存储的图像分析算法提取所述待配装壳体11和所述待配装基板13的关键尺寸参数，并将所述关键尺寸参数记录在所述计算机系统5中，用于后续装配过程中所述待配装壳体11与所述待配装基板13之间的匹配算法分析。所述第二智能相机2、所述第三智能相机3安装在所述装配台6的侧面，用于拍摄所述待配装壳体11两侧的连接器插孔图像，利用所述计算机系统5的圆孔尺寸分析算法获得安装孔尺寸信息实现与对应所述待配装连接器14的有效配对。

所述第一智能相机1、所述第二智能相机2、所述第三智能相机3均连接着所述计算机系统5，通过电缆将拍摄的图片传入所述计算机系统5，进行后期的图像处理和测量分析。在所述取样组件内部有多层环状的LED光源用于拍照时的照明，通过不同的打光颜色，使得待配装元件相较于背景突出，便于特征提取。其中，所述第二智能相机2和所述第三智能相机3主要用于拍摄所述壳体侧面的连接器插孔的尺寸；正面的相机则用于拍摄所述待配装壳体11和所述待配装基板13的图片，记录不同基板在待配装壳体11中放置的位置。

所述计算机系统5内部包含图像处理算法，用于提取所述待配装壳体11、所述待配装基板13和所述待配装连接器14的关键尺寸信息。在吸取待配装元件时根据拍摄图片中待配装元件位置和待配装元件形状对待配装元件的实际位置进行修正，以作为待配装元件的实际吸取位置，利用图像处理算法实现所述装配台6上所有待配装元件的配装。同时，所述计算机系统5利用模拟装配的算法，对于所有待配装元件的尺寸信息加以计算和评估，获得最优的元件装配组合，并且由所述计算机系统5控制所述机器手臂4，按照优化后的装配组合。

所述机器手臂4负责从所述壳体台7上抓取所述待配装壳体11，并将所述待配装壳体11放置在所述装配台6上的确定位置；所述机器手臂4在所述吸嘴台8上依照所述设定程序中的装配顺序依次更换相应的所述吸嘴12；所述机器手臂4更换完所述吸嘴12之后，再从所述料台9上拾取相应的所述待配装基板13或者所述待配装连接器14，并将其放置于所述装配台6上所述待配装壳体11的指定位置，并进一步评估可装配性。当完成所述多通道微波组件的装配工作后，利用所述机机械手臂4将装配完成的所述多通道微波组件转移到成品台10上。

实施例二

如图2、图3、图4所示，图2为本发明所述待配装基板和所述待配装壳体的装配流程图；图3为蒙特卡罗模拟装配的示意图；图4为本发明所述待配装连接器和所述待配装壳体的装配流程图。

本发明多通道微波组件的智能物料分选和装配系统的使用方法，包括步骤：

S1，所述第一智能相机1提取壳体关键参数；

S2，所述第一智能相机1提取基板关键参数；

S3，在所述计算机系统5内将所述壳体关键参数与所述基板关键参数进行预匹配，分别设定第一匹配概率阈值，并记录基板匹配结果；

S4，依照所述基板匹配结果，通过所述机机械手臂4进行实际匹配，并记录成功配装的对数；

S5，针对剩下的没有完成装配的待配装基板，重复步骤S3、步骤S4，尝试基板再装配；

S6，所述第二智能相机2、所述第三智能相机3提取连接器插孔关键参数；

S7，所述第一智能相机1提取连接器关键参数；

S8，在所述计算机系统5内将所述壳体关键参数与所述连接器关键参数进行预匹配，分别设定第二匹配概率阈值，并记录连接器匹配结果；

S9，依照所述连接器匹配结果，通过所述机机械手臂4进行实际匹配，并记录成功配装的对数；

S10，针对剩下的没有完成装配的待配装连接器，重复步骤S8、步骤S9，尝试连接器再装配。

具体步骤S1为，所述第一智能相机1移动到所述壳体台7上方，并对摆放整齐的所述待配装壳体11进行拍照获取壳体图样，并对所述壳体图样采用二值化方法，提高所述壳体图样中所述待配装壳体11外形与背景的对比度，利用距离测量的算法，测量所述待配装壳体11的长宽参数，并依照排列的位置顺序记录在所述计算机系统5中。

具体步骤S2为，将所述第一智能相机1移动到所述料台9上方，对摆放整齐的各种所述待配装基板13进行拍照获取基板图样，并对所述基板图样采用不同阈值的二值化算法，使得所述基板图样内各所述待配装基板13图形边缘清晰，然后测量所述待配装基板13的长宽直径等关键参数；

其中，所述第一智能相机1、所述第二智能相机2、所述第三智能相机3获取的图样均为灰度值图片。

所述灰度值图片为基于黑白的像素分布图，通过所述灰度值图片获得被检测物体的面积信息，根据被检测物体的像素分布的位置和数量计算被检测物体的重心位置，将其与待配装元件的编号在所述计算机系统5中一一对应并记录下来。所述被检测物体包括所述待配装壳体11、所述待配装基板13和所述待配装连接器14。

具体的，通过被检测物体边缘上的检测框检测所述边缘像素值跳跃变化的位置。如果待配装元件为矩形，如待配装基板13和待配装壳体11，则拟合出长边与短边的位置，利用长边与短边的相交位置，确定矩形待配装元件四个顶点的位置信息，从而获得待配装元件的尺寸值。如果待配装元件为圆形，如待配装连接器14，则先通过检测其边缘像素值跳跃变化的位置，获得若干个位于边缘位置的边界点，利用最小二值法对边界点进行拟合，从而获得圆的尺寸信息和圆心坐标位置信息。将利用所述图像处理算法获得待配装元件的尺寸信息，并与所述料台9上的待配装元件在所述计算机系统5中一一对应并记录下来。

通过利用所述图像处理算法中获得的待配装元件重心位置坐标，作为所述机机械手臂4抓取待配装元件的位置信息，从而确保待配装元件抓取时的稳定和平衡。

较佳的，步骤S3中，对所述壳体关键参数与所述基板关键参数中的尺寸数值进行排序，所述尺寸数值包括所述待配装壳体11和所述待配装基板13的外形尺寸；选定所述外形尺寸中的一项作为排序尺寸数值，一般的，所述排序尺寸数值根据实际装配时基板摆放的方向选择元件的长边或者短边；将所述待配装壳体11和所述待配装基板13分别按所述排序尺寸数值由大到小均匀分为若干子类，子类的数量由人工输入，计算出每一子类中尺寸数值的平均值和方差值，将各所述子类参数的平均值和方差值近似为一个正态分布并作为蒙特卡罗模拟的输入参数。

较佳的，在本实施例中，可将所述待配装壳体11认定为同一类型的P类待配装壳体；对于所述待配装基板13，根据所述基板的不同类型可分为若干基板大类，根据基板大类所述基板可包括A类基板、B类基板、C类基板等，步骤S3中划分子类的过程既是对各大类划分子类的过程，即将所述待配装壳体P大类按尺寸数值划分为子类P1、子类P2、子类P3等；将所述A类基板按尺寸数值划分为子类A1、子类A2、子类A3等；将所述B类基板按尺寸数值划分为子类B1、子类B2、子类B3等；将所述C类基板按尺寸数值划分为子类C1、子类C2、子类C3等；对所述大类之间进行组合，具体的，为各大类下各子类之间的所有组合，所述计算机系统5遍历所有的子类配对组合后，记录下所有符合要求的子类配对组合，并存储所有子类的配对方式。

为方便理解，具体例如，30块所述待配装壳体P，选取所述待配装壳体P的长边为排序的尺寸数值，子类的数量为6；则所述待配装壳体P可划分为尺寸为(9.90-9.95)的子类P1、尺寸为(9.95-10.01)的子类P2、尺寸为(10.01-10.05)的子类P3、尺寸为(10.05-10.10)的子类P4、尺寸为(10.10-10.16)的子类P5、尺寸为(10.16-10.20)的子类P6；最终将30块所述待配装壳体P均匀划分为6个子类。

同样的，30块属于A类基板中的所述待配装基板，选取所述待配装基板的长边为排序的尺寸数值，子类的数量为6；将30块所述待配装基板均匀划分为子类A1、子类A2、子类A3、子类A4、子类A5、子类A6的六个子类。

30块属于B类基板中的所述待配装基板，选取所述待配装基板B的长边为排序的尺寸数值，子类的数量为6；将30块所述待配装基板均匀划分为子类B1、子类B2、子类B3、子类B4、子类B5、子类B6的六个子类。

30块属于C类基板中的所述待配装基板，选取所述待配装基板C的短边为排序的尺寸数值，子类的数量为6；将30块所述待配装基板均匀划分为子类C1、子类C2、子类C3、子类C4、子类C5、子类C6的六个子类。

具体评估如如子类P1，P2，P3，P4，P5，P6的待配装壳体P，与子类A1，A2，A3，A4，A5，A6的A类基板、子类B1，B2，B3，B4，B5，B6的B类基板、子类C1，C2，C3，C4，C5，C6的C类基板三者之间的所有可能组合。

在所述计算机系统5中，根据各壳体子类、基板子类计算的平均值和方差值在所述计算机系统5中模拟出的所述待配装壳体11和所述待配装基板13的形状；利用所述计算机系统的随机数产生程序，产生满足所述待配装基板13子类平均值和方差值的正态分布以对所述计算机系统5内部生成的数字化待配装壳体11进行模拟装配。即基于模糊集原理，根据拟合得到的所有子类分布，利用所述计算机系统5随机生成符合所述子类分布的数字化元件，利用蒙特卡洛算法将各子类基板对数字化待配装壳体11进行模拟投点，得到各子类基板在数字化待配装壳体11上的边缘分布图。

对于某些投点会发生基板13与待配装壳体11间的干涉，更多的是不同种类基板与基板间的干涉，从而造成装配失败，如图4中的空心标记，表明基板在模拟装配过程中会与待配装壳体11发生干涉。而在多块基板依次装配的过程中也会发生干涉问题。针对所有基板进行模拟投点后发生干涉的总数量进行统计，计算未发生干涉的模拟配对数与总的模拟配对次数的比值，将所述比值与设定的第一匹配概率阈值比较，若所述比值高于所述第一匹配概率阈值，则认为该组子类配对成功，由计算机记录该组子类，并在后续步骤S4实际匹配中作为数据调用。若所述实际值低于所述第一匹配概率阈值，则不记录该组子类配对组合。所述第一匹配概率阈值取值从0％到100％，为衡量子类元件在计算机中模拟装配时不发生干涉现象几率的一个数值，过高则少有子类匹配成功，过低则所有子类均可匹配，一个合适的值可以有效降低实际装配过程中的干涉现象，提高一次装配成功率。

步骤S4具体为，在本实施例中所述待配装壳体P上设置三块基板分别为A类基板、B类基板、C类基板。调用步骤S3中记录的所有有效子类配对组合。从配对组合中随机挑选具体基板和壳体，进行实际装配。

具体的，假设计算机调用的第一组有效子类配对是P1，A1，B1，C1子类。随机挑选待配装子类壳体P1中的一个，放置在所述装配台6上后，所述计算机系统5选择基板进行装配，根据配对组合在已经选定的子类A1中随机挑出一块A类基板，再从B类基板的子类B1中随机挑选一块进行装配。装配完成后使用所述第一智能相机1拍照获取初配图样，对所述初配图样依次采用二值化方法和距离测量方法，以计算所述待配装壳体上可用于装配C类基板的剩余空间；再次利用蒙特卡罗算法对预定的子类C1中的所有C类基板进行模拟配装，选择恰好高于设定第一匹配概率阈值的C类基板进行装配。依照此步骤，直至子类A1，子类B1和子类C1中的所有基板均完成配装。如果该组子类配对已经不存在满足第一匹配概率阈值的组合，则跳过该组合，剩余的用于后续配装。此时，计算机切换至下一组合格的子类配对组合，开始配装。

步骤S5中的再装配过程直至剩余未完成装配的元件数目足够小，并且尺寸公差太大，无法由所述机械手臂4完成装配时停止。

如图4所示的连接器装配流程，所述连接器装配流程与所述基板装配流程原理相同；具体包括；所述第一智能相机1提取连接器关键参数；所述第二智能相机2、所述第三智能相机3提取所述壳体侧面连接器插孔的位置和尺寸大小；在所述计算机系统5内将所述连接器关键参数与所述连接器插孔关键参数进行预匹配，设定匹配概率阈值，并记录匹配结果；依照所述匹配结果，通过所述机械手臂4进行实际匹配，并记录成功配装的对数；针对剩下的没有完成装配的连接器，尝试再装配。

具体的，在进行连接器装配过程中，通过所述第二智能相机2和所述第三智能相机3记录所述壳体侧面的连接器插孔的位置和尺寸大小，并在所述计算机系统5内将所述连接器关键参数与所述连接器插孔关键参数关联。通过所述第一智能相机1对所述连接器台8上的所述待装配连接器14进行拍照，利用二值化的方法将各所述待装配连接器14的关键尺寸特征显示出来，然后利用最小二乘算法计算连接器半径等关键尺寸，并记录在所述计算机系统4中。利用排序算法对所述计算机系统4中的连接器插孔和连接器尺寸信息进行排序和分类，并由人工输入分组数，将所有测量数值由大到小分为若干子类，计算出每一子类参数的平均值和方差值，将其近似为一个正态分布并作为蒙特卡罗模拟的输入参数。遍历所有配件各种子类存在的所有组合，并作蒙特卡洛模拟，评估其一次装配成功率，当成功率大于设定的第二匹配概率阈值时，在所述计算机系统4中所有子类连接器和子类连接器插孔配对方式，将会记录在所述计算机系统4中。当完成某待配装壳体11的基板装配任务后，根据所述计算机系统4内部存储的连接器和连接器插孔可能的配对组合，利用所述机械手臂4将满足配对要求的连接器从所述料台9上取出，装配在所述待配装壳体11上。所述第二匹配概率阈值取值从0％到100％，是衡量子类元件在计算机中模拟装配时不发生干涉现象几率的一个数值，过高则少有子类匹配成功，过低则所有子类均可匹配，一个合适的值可以有效降低实际装配过程中的干涉现象，提高一次装配成功率。

根据配对组合，依据所述装配台上待配装壳体11所属的子类，将满足配对结果的相应子类中的所述待配装连接器14从所述料台9上取出，装配在所述待配装壳体11的相应位置上。如果发现无法装配，则跳过此连接器，从对应子类中挑选其他的待配装连接器完成装配。在完成单侧所述待配装连接器14的装配后，从满足配对结果的连接器子类中挑选相应的待配装连接器装配在所述待配装壳体11另一侧面。如果发现无法装配，则跳过该连接器，从对应子类中挑选其他适合的连接器完成装配，即所述待配装壳体11两侧的连接器插孔与连接器子类分别进行匹配安装。

在完成所有的子类配装后，记录成功配装的对数，剩下的没有完成装配的所述连接器，则再次依照前述的分组方法分成若干子类，计算出每一子类的平均值和方差值，并将其近似为一个正态分布并作为再次蒙特卡罗模拟的输入参数。再次，遍历所有配件的各种子类存在的所有组合，利用蒙特卡罗模拟，评估其一次装配成功率，并记录满足第二匹配概率阈值的配对组合；在后续匹配中可在所述计算机系统4中调用此配对并再次进行装配。

传统的多通道微波组件的装配方式由于没有视觉引导，导致机械臂在降落吸取待配装元件时，经常发生由于没有准确的对位导致待配装元件无法吸取，或者待配装元件吸取歪斜的情况。通过本发明中采用图像采集和图像处理算法，可以实现对于待配装元件和壳体尺寸的测量和重心的获取。根据被配装物件的重心位置对机械臂拾取位置进行修正，从而实现对于待配装元件和壳体的稳定抓取。

同时本发明利用计算机视觉，将待配装元件的尺寸信息进行有效提取，并保存在计算机中形成数字化的模型。又利用蒙特卡罗算法实现壳体和待配装元件的模拟配装，计算出了该配对的模拟一次装配成功率，并且提出了计算某批次组件总的一次可装配性的评估函数，利用该评估函数，选择判断最优的待配装元件配对方法。最终，根据待配装元件在计算机中存储的位置和优化配对的结果，利用机械臂进行装配。经过试验验证，本发明一次装配成功率从原先没有优化前的70％，提高到了90％。从而有效实现了微波多芯片组件的待配装元件高效配装。

以上所述仅为本发明的较佳实施例，对本发明而言仅仅是说明性的，而非限制性的。本专业技术人员理解，在本发明权利要求所限定的精神和范围内可对其进行许多改变，修改，甚至等效，但都将落入本发明的保护范围内。

Claims (10)

1.一种多通道微波组件的智能物料分选和装配系统，其特征在于，包括取样组件、机器手臂、计算机系统、装配台；所述计算机系统与所述取样组件、所述机器手臂数据连接；所述计算机系统通过对所述取样组件采取的参数进行数据分析进行合理化分料匹配，并通过设定程序控制所述机器手臂将待配装壳体、待配装基板和待配装连接器组装一体形成多通道微波组件，从而完成所述多通道微波组件的分料装配操作。

2.如权利要求1所述的多通道微波组件的智能物料分选和装配系统，其特征在于，所述取样组件包括设置在处于所述装配台正上方并可移动的第一智能相机，以及对称设置在所述装配台两侧面的第二智能相机和第三智能相机；所述第一智能相机针对装配前的所述待配装壳体和各种所述待配装基板进行拍照，利用所述计算机系统内存储的图像分析算法提取所述待配装壳体和所述待配装基板的关键尺寸参数，并将所述关键尺寸参数记录在所述计算机系统中，用于后续装配过程中所述待配装壳体与所述待配装基板之间的匹配算法分析；所述第二智能相机、所述第三智能相机安装在所述装配台的侧面，用于拍摄所述待配装壳体两侧的连接器插孔图像，利用所述计算机系统的圆孔尺寸分析算法获得安装孔尺寸信息实现与对应所述待配装连接器的有效配对。

3.如权利要求1所述的多通道微波组件的智能物料分选和装配系统，其特征在于，所述机机械手臂的末端装有磁性吸盘，所述磁性吸盘用于吸取各类吸嘴，便于所述待配装壳体、所述待配装基板和所述待配装连接器的拿取。

4.如权利要求2所述的多通道微波组件的智能物料分选和装配系统，其特征在于，所述第一智能相机、所述第二智能相机、所述第三智能相机均连接着所述计算机系统，通过电缆将拍摄的图片传入所述计算机系统，并进行后期的图像处理和测量分析；在所述取样组件内部有多层环状的LED光源用于拍照时的照明，通过不同的打光颜色，使得待配装元件相较于背景突出，便于特征提取。

5.一种如权利要求1-4中任一项所述多通道微波组件的智能物料分选和装配系统的使用方法，其特征在于，包括步骤；

S1，所述取样组件提取壳体关键参数；

S2，所述取样组件提取基板关键参数；

S3，在所述计算机系统内将所述壳体关键参数与所述基板关键参数进行预匹配，分别设定第一匹配概率阈值，并记录基板匹配结果；

S4，依照所述基板匹配结果，通过所述机机械手臂进行实际匹配，并记录成功配装的对数；

S5，针对剩下的没有完成装配的待配装基板，重复步骤S3、步骤S4，尝试基板再装配；

S6，所述取样组件提取连接器插孔关键参数；

S7，所述取样组件提取连接器关键参数；

S8，在所述计算机系统内将所述连接器插孔关键参数与所述连接器关键参数进行预匹配，分别设定第二匹配概率阈值，并记录连接器匹配结果；

S9，依照所述连接器匹配结果，通过所述机机械手臂进行实际匹配，并记录成功配装的对数；

S10，针对剩下的没有完成装配的待配装连接器，重复步骤S8、步骤S9，尝试连接器再装配。

6.如权利要求5所述的使用方法，其特征在于，所述第一智能相机、所述第二智能相机、所述第三智能相机获取的图样均为灰度值图片；通过所述灰度值图片获得所述待配装元件的面积信息，根据所述待配装元件的像素分布的位置和数量计算所述待配装元件的重心位置，将所述重心位置与所述待配装元件的编号在所述计算机系统中一一对应并记录下来。

7.如权利要求6所述的使用方法，其特征在于，通过所述待配装元件边缘上的检测框检测边缘像素值跳跃变化的位置；所述待配装元件为矩形，拟合出长边与短边的位置，利用长边与短边的相交位置，确定所述待配装元件四个顶点的位置信息，从而获得所述待配装元件的尺寸值；所述待配装元件为圆形，先通过检测边缘像素值跳跃变化的位置，获得若干个位于边缘位置的边界点，利用最小二值法对边界点进行拟合，从而获得圆的尺寸信息和圆心坐标位置信息。

8.如权利要求7所述的使用方法，其特征在于，对所述壳体关键参数与所述基板关键参数中的尺寸数值分别进行排序，所述尺寸数值包括所述待配装壳体和所述待配装基板的外形尺寸；选定所述外形尺寸中的一项作为排序尺寸数值，将所述待配装壳体和所述待配装基板分别按所述尺寸数值由大到小均匀分为若干子类，子类的数量由人工输入所述计算机系统，计算出每一子类中尺寸数值的平均值和方差值，将各所述子类参数的平均值和方差值近似为一个正态分布并作为蒙特卡罗模拟的输入参数。

9.如权利要求8所述的使用方法，其特征在于，根据各子类的平均值和方差值在所述计算机系统中模拟出的所述待配装壳体和所述待配装基板的形状；利用所述计算机系统的随机数产生程序，产生满足所述待配装基板子类平均值和方差值的正态分布，以在所述计算机系统内部生成数字化待配装元件，利用蒙特卡洛算法对于子类元件进行模拟投点，得到子类元件的位置分布图；模拟装配时根据边缘是否交叠判断是否发生装配干涉，通过计算未发生干涉的模拟配对数与总的模拟配对次数的比值，将所述比值与所述第一匹配概率阈值比较；若所述比值高于所述第一匹配概率阈值，判断该组子类配对成功，并记录该组子类配对，以在所述步骤S4实际匹配中作为数据调用；当所有子类配对组合完成装配后，记录下所有符合要求的子类配对组合，并从中选取所述比值最大的所有子类配对组合。

10.如权利要求8所述的使用方法，其特征在于，在所述待配装壳体上装配完成第一待配装基板和第二待配装基板后，使用所述第一智能相机拍照获取初配图样，对所述初配图样依次采用二值化方法和距离测量方法，以计算所述待配装壳体上可用于装配第三基板的剩余空间；利用蒙特卡罗算法对预定的子类中的所有所述第三基板进行模拟配装，并选择所述第三基板进行实际装配。