CN116001000A - 一种pcb分板机智能化控制方法及系统 - Google Patents

Abstract

本申请涉及PCB板分板技术领域，提供一种PCB分板机智能化控制方法及系统。通过对目标PCB进行图像连续扫描，获得PCB子图像集合，对PCB子图像集合进行图像融合生成PCB融合图像；将PCB融合图像和目标分板信息输入PCB分板数控模型获得切割特征，基于切割特征生成切割轨迹参数用以执行目标PCB的分板切割获得目标PCB分割结果。解决了现有技术中存在进行PCB分板对于人工经验依赖度高，PCB分板机运行自动化程度较低，导致PCB分板控制稳定性以及分板处理准确度较低的技术问题，实现了降低PC B分板的人工依赖性，PCB切割轨迹自动生成，PCB分板机自动进行PCB拼板切割的技术效果的技术效果。

Description

一种PCB分板机智能化控制方法及系统

技术领域

本申请涉及PCB板分板技术领域，特别是涉及一种PCB分板机智能化控制方法及系统。

背景技术

现阶段国内完成PCB分板常规方法为采用CCD辅助人眼示教方式进行，而CCD示教方式存在易引起操作人员视觉疲劳，从而造成看错切割位置点的缺陷，同时需要花费较多编程时间，不利于流水线的快速换线。

现有技术的PCB分板方式虽然已有PCB分板机辅助，但仍较多依赖于人工经验进行PCB分板机操作控制，实际PCB分板的加工品控稳定性较弱。

综上所述，现有技术中存在进行PCB分板对于人工经验依赖度高，PCB分板机运行自动化程度较低，导致PCB分板控制稳定性以及分板处理准确度较低的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够实现降低PCB分板的人工依赖性，PCB切割轨迹自动生成，PCB分板机自动进行PCB拼板切割的一种PCB分板机智能化控制方法及系统。

一种PCB分板机智能化控制方法，方法包括：获得目标PCB和目标分板信息；通过所述视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；对所述PCB子图像集合进行图像融合，生成PCB融合图像；将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；基于所述切割特征生成切割轨迹参数；将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

一种PCB分板机智能化控制系统，所述系统包括：目标信息获得模块，用于获得目标PCB和目标分板信息；图像扫描执行模块，用于通过视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；图像融合执行模块，用于对所述PCB子图像集合进行图像融合，生成PCB融合图像；切割特征获得模块，用于将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；切割轨迹生成模块，用于基于所述切割特征生成切割轨迹参数；分板切割执行模块，用于将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获得目标PCB和目标分板信息；

通过所述视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；

对所述PCB子图像集合进行图像融合，生成PCB融合图像；

将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；

基于所述切割特征生成切割轨迹参数；

将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获得目标PCB和目标分板信息；

通过所述视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；

对所述PCB子图像集合进行图像融合，生成PCB融合图像；

将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；

基于所述切割特征生成切割轨迹参数；

将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

上述一种PCB分板机智能化控制方法及系统，解决了现有技术中存在进行PCB分板对于人工经验依赖度高，PCB分板机运行自动化程度较低，导致PCB分板控制稳定性以及分板处理准确度较低的技术问题，达到了降低PCB分板的人工依赖性，PCB切割轨迹自动生成，PCB分板机自动进行PCB拼板切割的技术效果的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为一个实施例中一种PCB分板机智能化控制方法的流程示意图；

图2为一个实施例中一种PCB分板机智能化控制方法中生成PCB融合图像的流程示意图；

图3为一个实施例中一种PCB分板机智能化控制系统的结构框图；

图4为一个实施例中计算机设备的内部结构图；

附图标记说明：目标信息获得模块1，图像扫描执行模块2，图像融合执行模块3，切割特征获得模块4，切割轨迹生成模块5，分板切割执行模块6。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，本申请提供了一种PCB分板机智能化控制方法，所述方法应用于PCB分板机智能化控制系统，所述系统与视觉硬件系统通信连接，所述方法包括：

S100:获得目标PCB和目标分板信息；

具体而言，应理解的，为提高印刷电路板(PCB)制造生产效率以及降低印刷电路板的生产成本，通常采用将多个印刷电路板单板合并成一块板子投板的方式进行印刷电路板生产获得PCB拼板，通过PCB分板机这一加工设备进行PCB拼板的分板处理，以使PCB拼板被分割为多个PCB单板。

在本实施例中，所述目标PCB为未经由PCB分板机加工的PCB拼板，所述目标分板信息为计划生产的一种或多种PCB单板设计信息，具体包括但不限于PCB尺寸数据、元件布局、走线信息。基于所述目标分板信息即可获得PCB单板轮廓信息，从而进行PCB拼板分割轨迹的规划，实现将目标PCB分板。

S200:通过所述视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；

具体而言，在本实施例中，所述视觉硬件系统优选由CCD相机作为图像采集组件，LED进行图像采集过程补光的高分辨率图像采集设备，所述视觉硬件系统安装于所述PCB分板机机头，以实现将所述目标PCB放置于所述PCB分板机工作范围内时即可进行目标PCB的图像采集。

在所述视觉硬件系统运行空间内预构建XYZ笛卡尔机械坐标系，以实现所述视觉硬件系统进行所述目标PCB图像采集运动轨迹的有效数据信息记录。

具体的，通过所述视觉硬件系统采用循环阵列扫描对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一单张PCB子图像都记录有目标PCB的区域局部图像，理论上将所述PCB子图像集合中的各个PCB子图像进行拼接即可获得完整的目标PCB图像。

由于所述视觉硬件系统的运动轨迹被XYZ笛卡尔机械坐标系精准记录，因而基于所述视觉硬件系统进行目标PCB图像扫描获得的多张PCB子图像都具有(X,Y,Z)三维坐标标识，同时，由于所述目标PCB放置于所述PCB分板机水平面上，所述视觉硬件系统进行图像扫描时水平运动，多张PCB子图像的三维坐标标识可简化为(X,Y)二维坐标标识。

基于所述视觉硬件系统采用循环阵列扫描方式进行目标PCB图像采集，为后续实现获得完整高分辨率的目标PCB图像提供图像拼接原材料。

S300:对所述PCB子图像集合进行图像融合，生成PCB融合图像；

在一个实施例中，如图2所示，所述对所述PCB子图像集合进行图像融合，生成PCB融合图像，本申请提供的方法步骤S300还包括：

S310:基于所述PCB子图像集合提取获得多个PCB子图像和多个图像采集坐标，所述多个PCB子图像和多个图像采集坐标具有对应关系；

S320:根据所述多个图像采集坐标进行图像拼接位置分析，获得图像拼接结构；

S330:基于所述图像拼接结构进行所述多个PCB子图像的拼接，获得PCB子图像拼接结果；

S340:对所述PCB子图像拼接结果进行融合渲染，生成所述PCB融合图像。

具体而言，基于步骤S200可知基于视觉硬件系统采集获得的PCB子图像集合中，每一PCB子图像都具有图像采集位置坐标标识，因而在本实施例中，基于所述PCB子图像集合提取获得多个PCB子图像以及与多个PCB子图像具有标识映射的多个图像采集坐标。

根据所述多个图像采集坐标的X轴Y轴数值关系进行图像拼接位置分析，确定PCB子图像所包含图像内容在目标PCB表面的大致位置，获得图像拼接结构，所述图像拼接结构为多个PCB子图像所包含的图像内容在实际目标PCB局部图像位置的映射关系。

基于所述图像拼接结构，根据所述多个图像采集坐标进行所述多个PCB子图像的拼接，获得PCB子图像拼接结果，所述PCB子图像拼接结果中相邻PCB子图像存在图像内容重复情况。

基于所述PCB子图像拼接结果进行相邻PCB子图像的融合渲染，直至完成所述PCB子图像集合中所有PCB子图像的相邻拼接位置的融合渲染，获得所述PCB融合图像，所述PCB融合图像为能够真实反映所述目标PCB整体状态的高分辨率完整目标PCB图像。

本实施例通过采集获得多张含有目标PCB局部图像的PCB子图像，并进行PCB子图像拼接融合，实现了获得可准确表征目标PCB完整状态的PCB融合图像，达到了为后续进行目标PCB分板轨迹智能生成提供参考图像的技术效果。

S400:将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；

在一个实施例中，所述将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，本申请提供的方法步骤S400还包括：

S410:采集获得多个样本PCB拼板的样本拼板图像、样本分板信息、样本切割位置特征和样本切割特征点，获得样本拼板图像集合、样本分板信息集合、样本切割位置特征集合以及样本切割特征点集合；

S420:基于所述样本切割位置特征集合和样本切割特征点集合获得样本切割特征集合；

S430:采用所述样本拼板图像集合、样本分板信息集合和样本切割特征集合构建所述PCB分板数控模型；

S440:将所述PCB融合图像和所述目标分板信息输入所述PCB分板数控模型，获得所述切割特征。

在一个实施例中，所述采用所述样本拼板图像集合、样本分板信息集合和样本切割特征集合构建所述PCB分板数控模型，本申请提供的方法步骤S430还包括：

S431:对所述样本拼板图像集合、样本分板信息集合和样本切割特征集合进行数据标识和划分，获得训练集、验证集和测试集；

S432:基于深度卷积神经网络，构建所述PCB分板数控模型；

S433:预设所述PCB分板数控模型的输出准确率阈值；

S434:基于所述训练集、验证集和测试集进行所述PCB分板数控模型的迭代监督训练、验证和测试，判断所述PCB分板数控模型的输出准确率是否落入所述输出准确率阈值；

S435:若所述PCB分板数控模型的输出准确率落入所述输出准确率阈值，则停止所述PCB分板数控模型的训练。

具体而言，应理解的，现有技术进行PCB拼板生产时，拼板一般使用V-Cut或邮票孔进行所设计的PCB单板连接，因而将PCB分板机进行PCB拼板分板切割时，确定拼板连接处位置并生成切割轨迹进行PCB拼板切割处理，即可获得多个PCB单板。

本实施例为降低识别PCB拼板连接位点以及生产切割曲线对于人工经验的依赖性，将基于人工获取PCB拼板切割轨迹的方法用数据处理模型进行替代，具体的，本实施例通过构建PCB分板数控模型进行目标PCB这一拼板中进行PCB单板切割的位置特征区域以及位置特征区域内具体切割特征点的识别。

所述PCB分板数控模型为基于深度卷积神经网络构建的，输入数据为PCB拼板以及组成PCB拼板的多个PCB单板设计信息，输出结果为该PCB拼板的切割位置特征区域标识以及对应切割位置特征内具体切割的所述切割特征点标识。

基于大数据或PCB拼板生产厂家历史接单制版数据，采集获得多个样本PCB拼板的样本拼板图像、样本分板信息、样本切割位置特征和样本切割特征点，获得样本拼板图像集合、样本分板信息集合、样本切割位置特征集合以及样本切割特征点集合。

本实施例以单个样本PCB拼板进行样本拼板图像、样本分板信息、样本切割位置特征和样本切割特征点的释义。所述样本拼板图像为样本PCB拼板的高分辨率完整图像，对应于所述PCB融合图像。所述样本分板信息为样本PCB拼板中实际存在的多个PCB单板设计信息。所述样本切割位置特征为历史PCB分板机操作人员根据所述样本分板信息进行该样本PCB拼板切割处理时定义的样本PCB版切割区域位置标识，所述样本切割特征点为历史PCB分板机操作人员根据所述样本分板信息进行该样本PCB拼板切割处理时在所定义的样本PCB版切割区域位置执行切割的具体切割位点标识。

应理解的，在样本PCB拼板识别获得所述样本切割特征位置后进行样本切割特征点的准确定位，获得多个样本切割特征点连接生成样本PCB拼板切割轨迹后，PCB分板机参照样本PCB拼板切割轨迹进行样本PCB拼板切割，即可实现将样本PCB拼板切割成与样本分板信息具有一致性的多个PCB单板。

在本实施例中，基于深度卷积神经网络，构建所述PCB分板数控模型，并预设所述PCB分板数控模型的输出准确率阈值，所述输出准确率阈值用于判断所述PCB分板数控模型训练是否合格，基于PCB分板的严格性要求，所述输出准确率阈值优选设定为99％。所述PCB分板数控模型输出准确率的数值确定方法为比对PCB分板数控模型实际输出的PCB切割特征标识与对应样本切割特征标识的整体标识图像相似度。

将所述样本拼板图像集合、样本分板信息集合和样本切割特征集合按照8:1:1的数据量划分方法进行数据标识和划分，获得训练集、验证集和测试集；基于所述训练集、验证集和测试集进行所述PCB分板数控模型的迭代监督训练、验证和测试，判断所述PCB分板数控模型的输出准确率是否落入所述输出准确率阈值；若所述PCB分板数控模型的输出准确率落入所述输出准确率阈值，则停止所述PCB分板数控模型的训练。

将所述PCB融合图像和所述目标分板信息输入训练好的PCB分板数控模型，所述PCB分板数控模型输出所述切割特征，所述切割特征包括待切割位置特征和待切割特征点，所述待切割特征位置为在所述PCB融合图像上标识的目标PCB切割位置区域特征，所述待切割特征点为在所述待切割位置区域内标识的具体执行切割处理的特征位点。

本实施例通过构建PCB分板数控模型进行PCB拼板切割位置以及切割特征点标识，实现替代人工进行PCB拼板分割轨迹的生成，达到了智能化稳定生产PCB拼板分割特征位置以及分割特征点获取，降低PCB拼板分割的人工依赖性的技术效果。

S500:基于所述切割特征生成切割轨迹参数；

S600:将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

具体而言，在本实施例中，所述切割特征包括所述切割特征包括待切割位置特征和待切割特征点，根据各个切割位置特征内的多个待切割特征点连接生成该切割位置特征对应区域的局部切割轨迹参数，所述局部切割轨迹参数为进行PCB融合图像中切割位置特征对应区域PCB分板切割的切割轨迹信息。

基于所述切割特征生成各个切割位置特征内的所述局部切割轨迹参数，并将生成的多个局部切割轨迹参数结合所述PCB融合图像进行切割轨迹连接，获得所述切割轨迹参数。

将所述切割轨迹参数发送至PCB分板机，PCB分板机基于所述切割轨迹参数执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

本实施例基于切割轨迹参数进行目标PCB切割，实现将目标PCB安全切割为与目标分板信息具有一致性的多个目标PCB单板，达到PCB拼板切割轨迹自动生成，PCB分板机自动进行PCB拼板切割的技术效果。

在一个实施例中，所述将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，之后，本申请提供的方法步骤还包括：

S710:基于所述视觉硬件系统对所述目标PCB分割结果进行图像采集获得PCB单板图像集合；

S720:采集获取PCB缺陷特征集合；

S730:基于所述目标分板信息获得PCB合格检测特征集合；

S740:基于所述PCB缺陷特征集合和PCB合格检测特征集合构建PCB单板缺陷检测模型；

S750:将所述PCB单板图像集合输入所述PCB单板缺陷检测模型，获得PCB单板缺陷检测结果；

S760:基于所述PCB单板缺陷检测结果进行所述PCB分板数控模型优化。

在一个实施例中，所述基于所述PCB缺陷特征集合和PCB合格检测特征集合构建PCB单板缺陷检测模型，本申请提供的方法步骤S740还包括：

S741:基于所述PCB缺陷特征集合构建品控缺陷识别子模块；

S742:基于所述PCB合格检测特征集合构建生产缺陷识别子模块；

S743:基于所述品控缺陷识别子模块和所述生产缺陷识别子模块构建所述PCB单板缺陷检测模型。

具体而言，在本实施例中，当所述PCB分板机基于所述切割轨迹参数进行目标PCB分割后，获得由多个目标PCB单板构成的所述目标PCB分割结果。

基于安装于所述PCB分板机机头的所述视觉硬件系统，对所述目标PCB分割结果进行图像采集获得PCB单板图像集合，所述PCB单板图像集合内包括多个目标PCB单板的图像，本实施例二次基于所述视觉硬件系统进行目标PCB分割结果图像采集的目的在于判断实际所获多个目标PCB单板是否符合所述目标分板信息要求，判断多个目标PCB单板是否存在无法使用的且在目标PCB生产过程中已存在的生产品控缺陷。

基于大数据或PCB拼板生产厂家历史接单制版数据，采集获取PCB缺陷特征集合，所述PCB缺陷特征为PCB生产的通病缺陷，包括但不限于钉头缺陷特征、树脂腻污缺陷、毛刺缺陷、瘤状物缺陷，所述PCB缺陷特征集合由多类型生产品控缺陷特征图像构成。

基于所述PCB缺陷特征集合构建品控缺陷识别子模块，所述品控缺陷识别子模块用于基于图像缺陷特征比对识别方式，判断任一目标PCB单板是否存在生产品控缺陷。

所述目标分板信息为计划生产的一种或多种PCB单板设计信息，具体包括但不限于PCB单板尺寸数据、元件布局以及走线信息。基于所述目标分板信息获得PCB合格检测特征集合，所述PCB合格检测特征集合包括一种或多种PCB单板的轮廓尺寸特征以及PCB单板走线特征。

基于所述PCB合格检测特征集合构建生产缺陷识别子模块，所述生产缺陷识别子模块用于基于图像缺陷特征比对识别方式，判断任一目标PCB单板是否存在不符合目标分板信息要求的生产质量缺陷，所述生产质量缺陷包括PCB分板切割过度的PCB单板轮廓尺寸缺陷以及PCB单板走线与目标分板信息中PCB单板走线设计不一致的PCB单板走线偏差缺陷。

基于所述品控缺陷识别子模块和所述生产缺陷识别子模块构建所述PCB单板缺陷检测模型的图像识别层，在图像识别层中所述品控缺陷识别子模块和所述生产缺陷识别子模块平行设置，结合输入层以及输出层完成所述PCB单板缺陷检测模型的整体构建。

将所述PCB单板图像集合经由输入层输入所述PCB单板缺陷检测模型，经由所述品控缺陷识别子模块和所述生产缺陷识别子模块同步逐一进行所述PCB单板图像集合的缺陷识别遍历。

所述品控缺陷识别子模块输出所述PCB单板图像集合中各个PCB单板图像存在的生产品控缺陷标识，所述生产品控缺陷标识包括但不限于树脂腻污缺陷、毛刺缺陷、瘤状物缺陷的通病缺陷。所述生产缺陷识别子模块输出所述PCB单板图像集合中各个PCB单板图像存在的生产质量缺陷标识，所述生产质量缺陷标识包括所述PCB单板轮廓尺寸缺陷和PCB单板走线偏差缺陷。

所述生产质量缺陷标识和所述生产品控缺陷标识构成所述PCB单板缺陷检测结果，基于所述PCB单板缺陷检测结果提取其中的PCB单板轮廓尺寸缺陷，基于所述PCB单板轮廓尺寸缺陷进行所述PCB分板数控模型优化，以使所述PCB分板数控模型输出的切割特征生成的切割轨迹参数不造成目标PCB的过度切割，实现降低PCB分板机切割目标PCB的PCB单板切割报废率的技术效果。

在一个实施例中，所述基于所述PCB单板缺陷检测结果进行所述PCB分板数控模型优化，之前，本申请提供的方法步骤还包括：

S751:判断所述PCB单板缺陷检测结果是否属于PCB分板控制缺陷；

S752:若所述PCB单板缺陷检测结果不属于PCB分板控制缺陷，则生成PCB拼板生产预警提醒；

S753:若所述PCB单板缺陷检测结果属于PCB分板控制缺陷，则基于所述PCB单板缺陷检测结果生成PCB图像切割优化特征；

S764:基于所述PCB图像切割优化特征进行所述PCB分板数控模型优化。

具体而言，在本实施例中，所述PCB单板缺陷检测结果可能同时存在或存在所述生产质量缺陷标识和所述生产质量缺陷标识中的一种。判断所述PCB单板缺陷检测结果是否属于PCB分板控制缺陷，当所述PCB单板缺陷检测结果中存在所述生产质量缺陷标识时，表示所述PCB单板缺陷检测结果不属于PCB分板控制缺陷，则生成PCB拼板生产预警提醒，基于所述预警提醒提示目标PCB生产阶段进行生产控制，以减少PCB生产时的通病缺陷。

当所述PCB单板缺陷检测结果中存在所述生产品控缺陷标识时，则所述PCB单板缺陷检测结果属于PCB分板控制缺陷，基于所述PCB单板缺陷检测结果提取其中的PCB单板轮廓尺寸缺陷，基于所述PCB单板轮廓尺寸缺陷生成PCB图像切割优化特征；基于所述PCB图像切割优化特征进行所述PCB分板数控模型优化，从而实现提高PCB分板机分板处理时的分板切割处理准确度，降低PCB分板机切割造成的PCB单板报废率的技术效果。

在一个实施例中，如图3所示，提供了一种PCB分板机智能化控制系统，包括：目标信息获得模块1，图像扫描执行模块2，图像融合执行模块3，切割特征获得模块4，切割轨迹生成模块5，分板切割执行模块6，其中：

目标信息获得模块1，用于获得目标PCB和目标分板信息；

图像扫描执行模块2，用于通过视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；

图像融合执行模块3，用于对所述PCB子图像集合进行图像融合，生成PCB融合图像；

切割特征获得模块4，用于将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；

切割轨迹生成模块5，用于基于所述切割特征生成切割轨迹参数；

分板切割执行模块6，用于将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

在一个实施例中，本申请提供的系统还包括：

单板图像采集单元，用于基于所述视觉硬件系统对所述目标PCB分割结果进行图像采集获得PCB单板图像集合；

生产缺陷采集单元，用于采集获取PCB缺陷特征集合；

品控缺陷采集单元，用于基于所述目标分板信息获得PCB合格检测特征集合；

检测模型构建单元，用于基于所述PCB缺陷特征集合和PCB合格检测特征集合构建PCB单板缺陷检测模型；

检测结果输出单元，用于将所述PCB单板图像集合输入所述PCB单板缺陷检测模型，获得PCB单板缺陷检测结果；

模型优化执行单元，用于基于所述PCB单板缺陷检测结果进行所述PCB分板数控模型优化。

在一个实施例中，所述检测模型构建单元还包括：

品控模块构建单元，用于基于所述PCB缺陷特征集合构建品控缺陷识别子模块；

生产模块构建单元，用于基于所述PCB合格检测特征集合构建生产缺陷识别子模块；

模型组合生成单元，用于基于所述品控缺陷识别子模块和所述生产缺陷识别子模块构建所述PCB单板缺陷检测模型。

在一个实施例中，所述模型优化执行单元还包括：

缺陷类型判断单元，用于判断所述PCB单板缺陷检测结果是否属于PCB分板控制缺陷；

预警提醒生成单元，用于若所述PCB单板缺陷检测结果不属于PCB分板控制缺陷，则生成PCB拼板生产预警提醒；

优化特征生成单元，用于若所述PCB单板缺陷检测结果属于PCB分板控制缺陷，则基于所述PCB单板缺陷检测结果生成PCB图像切割优化特征；

模型优化执行单元，用于基于所述PCB图像切割优化特征进行所述PCB分板数控模型优化。

在一个实施例中，所述图像融合执行模块3还包括：

图像信息提取单元，用于基于所述PCB子图像集合提取获得多个PCB子图像和多个图像采集坐标，所述多个PCB子图像和多个图像采集坐标具有对应关系；

拼接结构构建单元，用于根据所述多个图像采集坐标进行图像拼接位置分析，获得图像拼接结构；

拼接结果获得单元，用于基于所述图像拼接结构进行所述多个PCB子图像的拼接，获得PCB子图像拼接结果；

融合图像获得单元，用于对所述PCB子图像拼接结果进行融合渲染，生成所述PCB融合图像。

在一个实施例中，所述切割特征获得模块4还包括：

样本数据采集单元，用于采集获得多个样本PCB拼板的样本拼板图像、样本分板信息、样本切割位置特征和样本切割特征点，获得样本拼板图像集合、样本分板信息集合、样本切割位置特征集合以及样本切割特征点集合；

样本特征获得单元，用于基于所述样本切割位置特征集合和样本切割特征点集合获得样本切割特征集合；

数控模型构建单元，用于采用所述样本拼板图像集合、样本分板信息集合和样本切割特征集合构建所述PCB分板数控模型；

切割特征获得单元，用于将所述PCB融合图像和所述目标分板信息输入所述PCB分板数控模型，获得所述切割特征。

在一个实施例中，所述数控模型构建单元还包括：

样本数据标识单元，用于对所述样本拼板图像集合、样本分板信息集合和样本切割特征集合进行数据标识和划分，获得训练集、验证集和测试集；

模型构建执行单元，用于基于深度卷积神经网络，构建所述PCB分板数控模型；

输出信息设定单元，用于预设所述PCB分板数控模型的输出准确率阈值；

模型训练执行单元，用于基于所述训练集、验证集和测试集进行所述PCB分板数控模型的迭代监督训练、验证和测试，判断所述PCB分板数控模型的输出准确率是否落入所述输出准确率阈值；

数控模型生成单元，用于若所述PCB分板数控模型的输出准确率落入所述输出准确率阈值，则停止所述PCB分板数控模型的训练。

关于一种PCB分板机智能化控制系统的具体实施例可以参见上文中对于一种PCB分板机智能化控制方法的实施例，在此不再赘述。上述一种PCB分板机智能化控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储新闻数据以及时间衰减因子等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种PCB分板机智能化控制方法。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获得目标PCB和目标分板信息；通过所述视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；对所述PCB子图像集合进行图像融合，生成PCB融合图像；将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；基于所述切割特征生成切割轨迹参数；将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种PCB分板机智能化控制方法，其特征在于，所述方法应用于PCB分板机智能化控制系统，所述系统与视觉硬件系统通信连接，所述方法包括：

获得目标PCB和目标分板信息；

通过所述视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；

对所述PCB子图像集合进行图像融合，生成PCB融合图像；

将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；

基于所述切割特征生成切割轨迹参数；

将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

2.如权利要求1所述的方法，其特征在于，所述将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，之后，所述方法还包括：

基于所述视觉硬件系统对所述目标PCB分割结果进行图像采集获得PCB单板图像集合；

采集获取PCB缺陷特征集合；

基于所述目标分板信息获得PCB合格检测特征集合；

基于所述PCB缺陷特征集合和PCB合格检测特征集合构建PCB单板缺陷检测模型；

将所述PCB单板图像集合输入所述PCB单板缺陷检测模型，获得PCB单板缺陷检测结果；

基于所述PCB单板缺陷检测结果进行所述PCB分板数控模型优化。

3.如权利要求2所述的方法，其特征在于，所述基于所述PCB缺陷特征集合和PCB合格检测特征集合构建PCB单板缺陷检测模型，所述方法还包括：

基于所述PCB缺陷特征集合构建品控缺陷识别子模块；

基于所述PCB合格检测特征集合构建生产缺陷识别子模块；

基于所述品控缺陷识别子模块和所述生产缺陷识别子模块构建所述PCB单板缺陷检测模型。

4.如权利要求2所述的方法，其特征在于，所述基于所述PCB单板缺陷检测结果进行所述PCB分板数控模型优化，之前，所述方法还包括：

判断所述PCB单板缺陷检测结果是否属于PCB分板控制缺陷；

若所述PCB单板缺陷检测结果不属于PCB分板控制缺陷，则生成PCB拼板生产预警提醒；

若所述PCB单板缺陷检测结果属于PCB分板控制缺陷，则基于所述PCB单板缺陷检测结果生成PCB图像切割优化特征；

基于所述PCB图像切割优化特征进行所述PCB分板数控模型优化。

5.如权利要求1所述的方法，其特征在于，所述对所述PCB子图像集合进行图像融合，生成PCB融合图像，所述方法还包括：

基于所述PCB子图像集合提取获得多个PCB子图像和多个图像采集坐标，所述多个PCB子图像和多个图像采集坐标具有对应关系；

根据所述多个图像采集坐标进行图像拼接位置分析，获得图像拼接结构；

基于所述图像拼接结构进行所述多个PCB子图像的拼接，获得PCB子图像拼接结果；

对所述PCB子图像拼接结果进行融合渲染，生成所述PCB融合图像。

6.如权利要求1所述的方法，其特征在于，所述将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，所述方法还包括：

采集获得多个样本PCB拼板的样本拼板图像、样本分板信息、样本切割位置特征和样本切割特征点，获得样本拼板图像集合、样本分板信息集合、样本切割位置特征集合以及样本切割特征点集合；

基于所述样本切割位置特征集合和样本切割特征点集合获得样本切割特征集合；

采用所述样本拼板图像集合、样本分板信息集合和样本切割特征集合构建所述PCB分板数控模型；

将所述PCB融合图像和所述目标分板信息输入所述PCB分板数控模型，获得所述切割特征。

7.如权利要求6所述的方法，其特征在于，所述采用所述样本拼板图像集合、样本分板信息集合和样本切割特征集合构建所述PCB分板数控模型，所述方法还包括：

对所述样本拼板图像集合、样本分板信息集合和样本切割特征集合进行数据标识和划分，获得训练集、验证集和测试集；

基于深度卷积神经网络，构建所述PCB分板数控模型；

预设所述PCB分板数控模型的输出准确率阈值；

基于所述训练集、验证集和测试集进行所述PCB分板数控模型的迭代监督训练、验证和测试，判断所述PCB分板数控模型的输出准确率是否落入所述输出准确率阈值；

若所述PCB分板数控模型的输出准确率落入所述输出准确率阈值，则停止所述PCB分板数控模型的训练。

8.一种PCB分板机智能化控制系统，其特征在于，所述系统包括：

目标信息获得模块，用于获得目标PCB和目标分板信息；

图像扫描执行模块，用于通过视觉硬件系统对所述目标PCB进行图像连续扫描，获得PCB子图像集合，所述PCB子图像集合中每一PCB子图像都标识有图像采集坐标；

图像融合执行模块，用于对所述PCB子图像集合进行图像融合，生成PCB融合图像；

切割特征获得模块，用于将所述PCB融合图像和所述目标分板信息输入预构建的PCB分板数控模型，获得切割特征，其中，所述切割特征包括待切割位置特征和待切割特征点；

切割轨迹生成模块，用于基于所述切割特征生成切割轨迹参数；

分板切割执行模块，用于将所述切割轨迹参数发送至PCB分板机执行所述目标PCB的分板切割，获得目标PCB分割结果，所述目标PCB分割结果为多个目标PCB单板。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images