CN110636715A 一种基于自学习的自动焊接及缺陷检测方法 （杭州电子科技大学）_第1页
CN110636715A 一种基于自学习的自动焊接及缺陷检测方法 （杭州电子科技大学）_第2页
CN110636715A 一种基于自学习的自动焊接及缺陷检测方法 （杭州电子科技大学）_第3页
CN110636715A 一种基于自学习的自动焊接及缺陷检测方法 （杭州电子科技大学）_第4页
CN110636715A 一种基于自学习的自动焊接及缺陷检测方法 （杭州电子科技大学）_第5页
已阅读5页，还剩26页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于自学习的自动焊接及缺陷检测方法本发明公开了一种基于自学习的自动焊接规划算法优化相机与机械臂的焊接路径从而提22.根据权利要求1所述的一种基于自学习的自动焊接及缺陷检测方法，其特征在于所使用YOLOv3作为目标检测模型进行目标的细定位，该目进行应用性的改进，包括多尺度检测、多标签分类，并使用基于残差神经网络改进的3.根据权利要求2所述的一种基于自学习的自动焊接及缺陷检测方法，其特征在于所2-1-1.数据采集：所用数据来自一台AOI自动光学检测设备拍摄PCB电路板的原始图4.根据权利要求3所述的一种基于自学习的自动焊接及缺陷检测方法，其特征在于所3之间设置快捷链路；从0层一直到74层，含有53个卷积层，其余为res层；从75到105层为…,S2)4训练数据中的实际位置h:训练数据中的实际宽高数据预测框边界与实际边界的交叉部分(c):训练数据的实际类别。5.根据权利要求4所述的一种基于自学习的自动焊接及缺陷检测方法，其特征在于所对同一个目标一般存在多个预测框，在这些预测框中选取置信度最高的框作为最后的结6.根据权利要求5所述的一种基于自学习的自动焊接及缺陷检测方法，其特征在于所由于不同的焊点缺陷在RGB三色光源下呈现不一样的颜色分布特征；基于在线深度强5[0001]本发明涉及机器视觉领域，具体涉及一种基于自学习的自动焊接及缺陷检测方[0003]表面贴装技术(SurfaceMountTechnology，SMT)作为电子制造组装行业的基础[0007](2)焊接质量在线实时检测。现有焊接质量检测装备通常与焊接机械手臂工艺分[0008]本发明为了满足PCB非标元器件的柔性焊接生产要求，实现真正意义上的智能化6789感知的大规模状态空间任务中取得显著效果的深度强化学习方法。DQN模型架构的输入是[0057]基于在线深度强化学习的焊点缺陷检测方法，通过经验重放机[0076]本发明为了满足PCB非标元器件的柔性焊接生产要求，实现真正意义上的智能化[0087]在该实施例中，使用YOLOv3作为目标检测模型进行目标的细定位，该模型在差神经网络改进的Darknet53网络作为特征提取器，使YOLO系列方法不擅长检测小物体的预测是一个4+1+1＝6维向量，这个6维向量包含边框坐标(4个数值)，边框置信度(1个数[0110]实验所用图像数据与训练所用的图像来自与同一台AOI自动光学检测设备。为了(DetectionResult)与原标记框GT(GroundTruth)的交叠率，即它们的交集与并集的比P/%R/%F1/%mIOU/%度。感知的大规模状态空间任务中取得显著效果的深度强化学习方法。DQN模型架构的输入是

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论