一種元件特征識(shí)別方法與系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種元件特征識(shí)別方法，包括：獲取一張待識(shí)別的元件圖片；所述元件圖片被標(biāo)定為具有待識(shí)別的元件特征；從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法；所述數(shù)據(jù)庫記載有多種不同的特征提取算法對(duì)所述元件特征的識(shí)別率；根據(jù)所述特征提取算法提取所述元件圖片的算法特征值；根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征。同時(shí)，本發(fā)明還公開了一種元件特征識(shí)別系統(tǒng)。實(shí)施本發(fā)明可以自適應(yīng)地選取對(duì)元件特征識(shí)別率最高的特征提取算法，提高每次識(shí)別的有效性與正確率。
【專利說明】一種元件特征識(shí)別方法與系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像識(shí)別領(lǐng)域，尤其涉及一種元件特征識(shí)別方法與系統(tǒng)。

【背景技術(shù)】
[0002]自動(dòng)光學(xué)檢查(AOI, Automated Optical Inspect1n)為工業(yè)自動(dòng)化有效的檢測(cè)方法，使用機(jī)器視覺作為檢測(cè)標(biāo)準(zhǔn)技術(shù)，大量應(yīng)用于IXD/TFT、晶體管與PCB工業(yè)制程上，在民生用途則可延伸至保全系統(tǒng)。自動(dòng)光學(xué)檢查是工業(yè)制程中常見的代表性手法，利用光學(xué)方式取得成品的表面狀態(tài)，以影像處理來檢出異物或圖案異常等瑕疵，因?yàn)槭欠墙佑|式檢查，所以可在中間工程檢查半成品。
[0003]在板卡處于半成品的狀態(tài)時(shí)，需要對(duì)板卡上的每個(gè)元件進(jìn)行檢測(cè)，識(shí)別板卡上的元件是否為所期望的元件，只有當(dāng)板卡上每個(gè)元件都為所期望的元件時(shí)，該板卡才是合格的。由于板卡生產(chǎn)線上有很多板卡，每塊板卡上又有很多個(gè)元件，通過人工逐一檢查的話效率太低。
[0004]因而，現(xiàn)有技術(shù)是采用AOI與特征提取算法的結(jié)合，通過AOI獲取元件圖像，通過特征提取算法提取元件圖像的特征數(shù)據(jù)，并與期望的元件圖像的特征數(shù)據(jù)比較，若比較一致，則所述元件是合格的，否則元件是不合格的。但是，由于環(huán)境因素(如光照等)會(huì)影響到識(shí)別過程，不同批次的板卡識(shí)別采用相同的特征提取算法的效果不一樣，識(shí)別率會(huì)受到影響。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于解決現(xiàn)有技術(shù)的缺陷，提出一種元件特征識(shí)別方法與系統(tǒng)，可以選取一種對(duì)所述元件識(shí)別率最高的算法，適應(yīng)性強(qiáng)，識(shí)別效果好。
[0006]為了達(dá)到上述的目的，本發(fā)明實(shí)施例提供一種元件特征識(shí)別方法，包括:
[0007]獲取一張待識(shí)別的元件圖片；所述元件圖片被標(biāo)定為具有待識(shí)別的元件特征；
[0008]從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法；所述數(shù)據(jù)庫記載有多種不同的特征提取算法對(duì)所述元件特征的識(shí)別率；
[0009]根據(jù)所述特征提取算法提取所述元件圖片的算法特征值；
[0010]根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征。
[0011]進(jìn)一步地，所述元件特征包括元件名以及元件維度特征；
[0012]所述數(shù)據(jù)庫包括元件識(shí)別數(shù)據(jù)庫以及維度特征識(shí)別數(shù)據(jù)庫；所述元件識(shí)別數(shù)據(jù)庫記載了多種不同的特征提取算法對(duì)具有同一元件名的元件圖片的識(shí)別率；所述元件維度特征數(shù)據(jù)庫記載了多種不同的特征提取算法對(duì)具有同一元件維度特征的元件圖片的識(shí)別率;
[0013]所述從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法包括:
[0014]查找所述元件識(shí)別數(shù)據(jù)庫，判斷是否存在所述元件圖片的元件名；
[0015]若是，則根據(jù)所述元件圖片的元件名，從所述元件識(shí)別數(shù)據(jù)庫中選取對(duì)所述元件名識(shí)別率最尚的特征提取算法；
[0016]若否，則根據(jù)所述元件圖片的維度特征，從所述維度特征識(shí)別數(shù)據(jù)庫中選取對(duì)所述維度特征識(shí)別率最高的特征提取算法。
[0017]數(shù)據(jù)庫可以分為元件識(shí)別數(shù)據(jù)庫和維度特征識(shí)別數(shù)據(jù)庫，分別可以為學(xué)習(xí)過的元件圖片以及未學(xué)習(xí)過的元件圖片選取最高識(shí)別率的算法，能夠進(jìn)一步提高識(shí)別的有效性。
[0018]進(jìn)一步地，在所述根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征之后，還包括:
[0019]對(duì)所述待識(shí)別的元件圖片進(jìn)行二次識(shí)別，確定所述待識(shí)別的元件圖片是否具有所述元件特征；
[0020]根據(jù)所述二次識(shí)別驗(yàn)證所述特征提取算法是否識(shí)別準(zhǔn)確；
[0021]根據(jù)驗(yàn)證結(jié)果修正所述數(shù)據(jù)庫中所述特征提取算法對(duì)所述元件圖片的識(shí)別率。
[0022]進(jìn)一步地，在所述獲取一張待識(shí)別的元件圖片之前還包括創(chuàng)建數(shù)據(jù)庫的步驟，所述創(chuàng)建數(shù)據(jù)庫具體包括:
[0023]獲取多張樣本元件圖片；所述樣本元件圖片具有確定的元件名以及維度特征；
[0024]采用多種不同的特征提取算法分別提取所述樣本元件圖片的算法特征值；
[0025]根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述元件名；
[0026]當(dāng)識(shí)別出的所述樣本元件圖片具有所述元件名，則所述特征提取算法識(shí)別成功；
[0027]當(dāng)識(shí)別出的所述樣本元件圖片不具有所述元件名，則所述特征提取算法識(shí)別失??；
[0028]分別計(jì)算所述多種不同的特征提取算法對(duì)所述元件名的識(shí)別率，并記載在所述元件識(shí)別數(shù)據(jù)庫中；
[0029]根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述維度特征；
[0030]當(dāng)識(shí)別出的所述樣本元件圖片具有所述維度特征，則所述特征提取算法識(shí)別成功；
[0031]當(dāng)識(shí)別出的所述樣本元件圖片不具有所述維度特征，則所述特征提取算法識(shí)別失??；
[0032]分別計(jì)算所述多種不同的特征提取算法對(duì)所述維度特征的識(shí)別率，并記載在所述維度特征識(shí)別數(shù)據(jù)庫中。
[0033]進(jìn)一步地，所述維度特征包括元件類型以及元件圖片的平均曝光度。
[0034]相應(yīng)地，本發(fā)明實(shí)施例還提供一種元件特征識(shí)別系統(tǒng)，能夠?qū)崿F(xiàn)上述元件特征識(shí)別方法的所有流程，其包括:
[0035]圖片獲取模塊，用于獲取一張待識(shí)別的元件圖片；所述元件圖片被標(biāo)定為具有待識(shí)別的元件特征；
[0036]算法選取模塊，用于從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法；所述數(shù)據(jù)庫記載有多種不同的特征提取算法對(duì)所述元件特征的識(shí)別率；
[0037]算法特征提取模塊，用于根據(jù)所述特征提取算法提取所述元件圖片的算法特征值；
[0038]識(shí)別模塊，用于根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征。
[0039]進(jìn)一步地，所述數(shù)據(jù)庫包括元件識(shí)別數(shù)據(jù)庫以及維度特征識(shí)別數(shù)據(jù)庫；所述元件識(shí)別數(shù)據(jù)庫統(tǒng)計(jì)了不同特征提取算法對(duì)具有同一元件名的元件圖片的識(shí)別率；所述維度特征識(shí)別數(shù)據(jù)庫統(tǒng)計(jì)了不同特征提取算法對(duì)具有同一維度特征的元件圖片的識(shí)別率；
[0040]所述算法選取模塊包括:
[0041]查找判斷單元，用于查找所述元件識(shí)別數(shù)據(jù)庫，判斷是否存在所述元件圖片的元件名；
[0042]第一算法選取單元，用于在判定存在所述元件圖片的元件名時(shí)，根據(jù)所述元件名，從所述元件識(shí)別數(shù)據(jù)庫中選取對(duì)所述元件名識(shí)別率最高的特征提取算法；
[0043]第二算法選取單元，用于在判定不存在所述元件圖片的元件名時(shí)，根據(jù)所述維度特征，從所述維度特征識(shí)別數(shù)據(jù)庫中選取對(duì)所述維度特征識(shí)別率最高的特征提取算法。
[0044]進(jìn)一步地，所述元件特征識(shí)別系統(tǒng)還包括:
[0045]二次識(shí)別模塊，用于對(duì)所述待識(shí)別的元件圖片進(jìn)行二次識(shí)別，確定所述待識(shí)別的元件圖片是否具有所述元件特征；
[0046]驗(yàn)證模塊，用于根據(jù)所述二次識(shí)別驗(yàn)證所述特征提取算法是否識(shí)別準(zhǔn)確；
[0047]數(shù)據(jù)庫修正模塊，根據(jù)驗(yàn)證結(jié)果修正所述數(shù)據(jù)庫中所述特征提取算法對(duì)所述元件圖片的識(shí)別率。
[0048]進(jìn)一步地，所述元件特征識(shí)別系統(tǒng)還包括用于創(chuàng)建所述數(shù)據(jù)庫的數(shù)據(jù)庫創(chuàng)建模塊；所述數(shù)據(jù)庫創(chuàng)建模塊包括:
[0049]樣本圖片獲取單元，用于獲取多張樣本元件圖片；所述樣本元件圖片具有確定的元件名以及維度特征；
[0050]樣本特征提取單元，用于采用多種不同的特征提取算法分別提取所述樣本元件圖片的算法特征值；
[0051]元件名識(shí)別單元，用于根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述元件名；若是，則判定所述特征提取算法識(shí)別成功；若否，則判定所述特征提取算法識(shí)別失?。?br> [0052]第一識(shí)別率計(jì)算單元，用于分別計(jì)算所述多種不同的特征提取算法對(duì)所述元件名的識(shí)別率，并記載在元件識(shí)別數(shù)據(jù)庫中；
[0053]維度特征識(shí)別單元，用于根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述維度特征；若是，則判定所述特征提取算法識(shí)別成功；若否，則判定所述特征提取算法識(shí)別失?。?br> [0054]第二識(shí)別率計(jì)算單元，用于分別計(jì)算所述多種不同的特征提取算法對(duì)所述維度特征的識(shí)別率，并記載在所述維度特征識(shí)別數(shù)據(jù)庫中。
[0055]進(jìn)一步地，所述維度特征包括元件類型以及元件圖片的平均曝光度。
[0056]實(shí)施本發(fā)明實(shí)施例，具有如下有益效果:本發(fā)明的實(shí)施例提供的元件特征識(shí)別方法與系統(tǒng)，可應(yīng)用到板卡元件識(shí)別過程中，根據(jù)預(yù)先標(biāo)定的元件特征來選取一種最高有效性的特征提取算法，并根據(jù)所述特征提取算法來提取算法特征值；根據(jù)所述算法特征值來識(shí)別所述元件圖片是否具備所述元件特征增強(qiáng)了自適應(yīng)性，提高了識(shí)別效果，為識(shí)別板卡元件提高了有效的依據(jù)。

【專利附圖】

【附圖說明】
[0057]圖1是本發(fā)明提供的元件特征識(shí)別方法的第一實(shí)施例的流程示意圖；
[0058]圖2是圖1中的步驟S12的具體流程示意圖；
[0059]圖3是本發(fā)明提供的元件特征識(shí)別方法的第二實(shí)施例的流程示意圖；
[0060]圖4是本發(fā)明提供的元件特征識(shí)別方法的第三實(shí)施例的流程示意圖；
[0061]圖5是元件識(shí)別率數(shù)據(jù)庫的表格示意圖；
[0062]圖6是維度特征識(shí)別率數(shù)據(jù)庫的表格示意圖；
[0063]圖7是一次識(shí)別的元件特征信息表格圖；
[0064]圖8是另一次識(shí)別的元件特征信息表格圖；
[0065]圖9是本發(fā)明實(shí)施例提供的元件特征識(shí)別系統(tǒng)的結(jié)構(gòu)框圖；
[0066]圖10圖9中的算法選取模塊的結(jié)構(gòu)框圖；
[0067]圖11是圖9中的數(shù)據(jù)庫創(chuàng)建模塊的結(jié)構(gòu)框圖。

【具體實(shí)施方式】
[0068]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0069]參見圖1，是本發(fā)明提供的元件特征識(shí)別方法的第一實(shí)施例的流程示意圖，該方法包括以下步驟:
[0070]S11，獲取一張待識(shí)別的元件圖片；所述元件圖片被標(biāo)定為具有待識(shí)別的元件特征；
[0071]S12，從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法；所述數(shù)據(jù)庫記載有多種不同的特征提取算法對(duì)所述元件特征的識(shí)別率；
[0072]S13，根據(jù)所述特征提取算法提取所述元件圖片的算法特征值；
[0073]S14，根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征。
[0074]在S12中，所述特征提取算法包括顏色特征提取算法、紋理特征提取算法以及輪廓特征提取算法等，這些特征提取算法都是現(xiàn)有技術(shù)的算法。
[0075]具體地，所述數(shù)據(jù)庫包括元件識(shí)別數(shù)據(jù)庫以及維度特征識(shí)別數(shù)據(jù)庫。
[0076]所述元件識(shí)別數(shù)據(jù)庫記載了多種不同的特征提取算法對(duì)具有同一元件名的元件圖片的識(shí)別率；所述元件識(shí)別數(shù)據(jù)庫可以表格的形式記錄特征提取算法與元件名的對(duì)應(yīng)關(guān)系O
[0077]所述元件維度特征數(shù)據(jù)庫記載了多種不同的特征提取算法對(duì)具有同一元件維度特征的元件圖片的識(shí)別率；所述維度特征數(shù)據(jù)庫可以表格的形式記錄特征提取算法與維度特征的對(duì)應(yīng)關(guān)系。在本發(fā)明實(shí)施例中，所述維度特征包括元件類型與元件圖片的曝光度。
[0078]請(qǐng)參閱圖2，圖2是圖1中的步驟S12的具體流程示意圖。在步驟S12中，所述從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法包括:
[0079]S121，查找所述元件識(shí)別數(shù)據(jù)庫，判斷是否存在所述元件圖片的元件名；
[0080]S122，若是，則根據(jù)所述元件圖片的元件名，從所述元件識(shí)別數(shù)據(jù)庫中選取對(duì)所述元件名識(shí)別率最高的特征提取算法；
[0081]S123，若否，則根據(jù)所述元件圖片的維度特征，從所述維度特征識(shí)別數(shù)據(jù)庫中選取對(duì)所述維度特征識(shí)別率最高的特征提取算法。
[0082]本發(fā)明第一實(shí)施例提供的元件特征識(shí)別方法可以從預(yù)先創(chuàng)建的數(shù)據(jù)庫中，根據(jù)待識(shí)別的元件圖片所標(biāo)定的元件特征來選取一種對(duì)所述元件圖片識(shí)別率最高的算法，可以提高每次識(shí)別的成功率。具體地，數(shù)據(jù)庫又區(qū)分為元件識(shí)別數(shù)據(jù)庫與維度特征數(shù)據(jù)庫。元件識(shí)別數(shù)據(jù)庫是為了在有已知確切的元件圖片的數(shù)據(jù)存在時(shí)，直接根據(jù)所述元件圖片選擇最高識(shí)別率的算法；維度特征數(shù)據(jù)庫是為了在沒有該元件圖片的數(shù)據(jù)預(yù)存時(shí)，可以根據(jù)元件圖片的每個(gè)維度特征，選取最高識(shí)別率的算法，因而可以具備很好的適應(yīng)性。
[0083]參見圖3，其是本發(fā)明提供的元件特征識(shí)別方法的第二實(shí)施例的流程示意圖，該方法包括本發(fā)明第一實(shí)施例的元件特征識(shí)別方法中的步驟S11、S12、S13以及S14，此外，還包括步驟S15、S16與S17，具體如下:
[0084]S15,對(duì)所述待識(shí)別的元件圖片進(jìn)行二次識(shí)別，確定所述待識(shí)別的元件圖片是否具有所述元件特征；
[0085]S16，根據(jù)所述二次識(shí)別驗(yàn)證所述特征提取算法是否識(shí)別準(zhǔn)確；
[0086]S17，根據(jù)驗(yàn)證結(jié)果修正所述數(shù)據(jù)庫中所述特征提取算法對(duì)所述元件圖片的識(shí)別率。
[0087]本發(fā)明第二實(shí)施例提供的元件特征識(shí)別方法是在上述第一實(shí)施例的技術(shù)方案中的進(jìn)一步改進(jìn)，通過二次識(shí)別的方法來確定元件圖片的元件特征，從而判斷所選取的特征提取算法是否正確識(shí)別所述元件圖片，并進(jìn)一步修改所述數(shù)據(jù)庫記載的識(shí)別率，完善了數(shù)據(jù)庫，提高了算法選取的正確性。
[0088]參見圖4，其是本發(fā)明提供的元件特征識(shí)別方法的第三實(shí)施例的流程示意圖，該方法包括本發(fā)明第二實(shí)施例的元件特征識(shí)別方法中的步驟Sll、S12、S13、S14、S15、S16以及S17,此外，還包括步驟S21-S26，具體如下:
[0089]S21，獲取多張樣本元件圖片；所述樣本元件圖片具有確定的元件名以及維度特征；
[0090]S22，采用多種不同的特征提取算法分別提取所述樣本元件圖片的算法特征值；
[0091]S23，根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述元件名；當(dāng)識(shí)別出的所述樣本元件圖片具有所述元件名，則所述特征提取算法識(shí)別成功；當(dāng)識(shí)別出的所述樣本元件圖片不具有所述元件名，則所述特征提取算法識(shí)別失??；
[0092]S24,分別計(jì)算所述多種不同的特征提取算法對(duì)所述元件名的識(shí)別率，并記載在元件識(shí)別數(shù)據(jù)庫中；
[0093]S25，根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述維度特征；當(dāng)識(shí)別出的所述樣本元件圖片具有所述維度特征，則所述特征提取算法識(shí)別成功；當(dāng)識(shí)別出的所述樣本元件圖片不具有所述維度特征，則所述特征提取算法識(shí)別失敗；
[0094]S26，分別計(jì)算所述多種不同的特征提取算法對(duì)所述維度特征的識(shí)別率，并記載在所述維度特征識(shí)別數(shù)據(jù)庫中。
[0095]本發(fā)明第三實(shí)施例提供的元件特征識(shí)別方法進(jìn)一步說明了所述數(shù)據(jù)庫的創(chuàng)建過程，通過大量的樣本元件圖片來訓(xùn)練，建立具有一定有效性的數(shù)據(jù)庫。需要說明的是，步驟S21-S26是實(shí)施步驟S11-S17前的步驟。
[0096]如圖5與圖6所示，圖5是元件識(shí)別率數(shù)據(jù)庫的表格圖，圖6是維度特征識(shí)別率數(shù)據(jù)庫的表格圖。為了簡(jiǎn)化說明過程，圖5中的算法中只列舉了特征提取算法A、特征提取算法B與特征提取算法C三種特征提取算法，圖6中的元件名中具體列舉了陶瓷電容、32腳PI N以及穩(wěn)壓二極管三種具體元件。圖6中的算法中只列舉了特征提取算法A、特征提取算法B與特征提取算法C三種特征提取算法，維度特征包括元件類型和平均曝光度；元件類型列舉了 P I N類、電容類以及二極管類；平均曝光度分為0-30、31-70、71-100三個(gè)區(qū)間。以下以兩次識(shí)別過程說明本發(fā)明的工作過程。
[0097](I)在一次識(shí)別過程中，獲取一張待識(shí)別的元件圖片。假定所述元件圖片被預(yù)先標(biāo)定的元件特征如圖7所示，圖7是一次識(shí)別的元件特征信息表格圖。
[0098]查找圖5中的表格，可以判定元件識(shí)別數(shù)據(jù)庫中存在陶瓷電容的數(shù)據(jù)。
[0099]選取對(duì)陶瓷電容的識(shí)別率最高的特征提取算法。從圖5的表格可知，特征提取算法A對(duì)陶瓷電容的識(shí)別率最高，達(dá)到80%，因而選取特征提取算法A。
[0100]根據(jù)所述特征提取算法A提取所述元件圖片的算法特征值。
[0101]根據(jù)所述算法特征值識(shí)別所述元件圖片是否為陶瓷電容的圖片。
[0102]只有識(shí)別出所述元件圖片為陶瓷電容的圖片，所述元件才是合格的。
[0103](2)在另一次識(shí)別過程中，獲取另一張待識(shí)別的元件圖片。假定所述元件圖片被預(yù)先標(biāo)定的元件特征如圖8所示，圖8是另一次識(shí)別的元件特征信息表格圖。
[0104]查找圖5中的表格，可以判定元件識(shí)別數(shù)據(jù)庫中不存在發(fā)光二極管的數(shù)據(jù)。
[0105]查找圖6中的表格，由于發(fā)光二極管同時(shí)具備二極管類以及平均曝光度為65兩個(gè)維度特征，則綜合兩個(gè)維度特征選取最高識(shí)別率的特征提取算法。對(duì)于二極管類來說，特征提取算法A的識(shí)別率最高，達(dá)到60% ;對(duì)于平均曝光度為65來說，特征提取算法A的識(shí)別率也是最高，因而選取特征提取算法A。(假如對(duì)于平均曝光度來說，識(shí)別率最高的不是特征提取算法A而是特征提取算法B，則需要進(jìn)一步比較特征提取算法A識(shí)別二極管類的識(shí)別率以及特征提取算法B識(shí)別平均曝光度區(qū)間為31-70的識(shí)別率，從中選擇識(shí)別率更高的算法)。
[0106]根據(jù)所述特征提取算法A提取所述元件圖片的算法特征值。
[0107]根據(jù)所述算法特征值識(shí)別所述元件圖片是否為發(fā)光二極管的圖片。
[0108]只有識(shí)別出所述元件圖片為發(fā)光二極管的圖片，所述元件才是合格的。
[0109]相應(yīng)地，本發(fā)明實(shí)施例還提供一種元件特征識(shí)別系統(tǒng)，能夠?qū)崿F(xiàn)上述元件特征識(shí)別方法的所有流程，其包括:
[0110]圖片獲取模塊1，用于獲取一張待識(shí)別的元件圖片；所述元件圖片被標(biāo)定為具有待識(shí)別的元件特征；
[0111]算法選取模塊2，用于從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法；所述數(shù)據(jù)庫記載有多種不同的特征提取算法對(duì)所述元件特征的識(shí)別率；
[0112]算法特征提取模塊3，用于根據(jù)所述特征提取算法提取所述元件圖片的算法特征值；
[0113]識(shí)別模塊4，用于根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征。
[0114]具體地，所述數(shù)據(jù)庫包括元件識(shí)別數(shù)據(jù)庫以及維度特征識(shí)別數(shù)據(jù)庫；所述元件識(shí)別數(shù)據(jù)庫統(tǒng)計(jì)了不同特征提取算法對(duì)具有同一元件名的元件圖片的識(shí)別率；所述維度特征識(shí)別數(shù)據(jù)庫統(tǒng)計(jì)了不同特征提取算法對(duì)具有同一維度特征的元件圖片的識(shí)別率；
[0115]所述算法選取模塊2包括:
[0116]查找判斷單元21，用于查找所述元件識(shí)別數(shù)據(jù)庫，判斷是否存在所述元件圖片的元件名；
[0117]第一算法選取單元22，用于在判定存在所述元件圖片的元件名時(shí)，根據(jù)所述元件名，從所述元件識(shí)別數(shù)據(jù)庫中選取對(duì)所述元件名識(shí)別率最高的特征提取算法；
[0118]第二算法選取單元23，用于在判定不存在所述元件圖片的元件名時(shí)，根據(jù)所述維度特征，從所述維度特征識(shí)別數(shù)據(jù)庫中選取對(duì)所述維度特征識(shí)別率最高的特征提取算法。
[0119]進(jìn)一步地，所述元件特征識(shí)別系統(tǒng)還包括:
[0120]二次識(shí)別模塊5，用于對(duì)所述待識(shí)別的元件圖片進(jìn)行二次識(shí)別，確定所述待識(shí)別的元件圖片是否具有所述元件特征；
[0121]驗(yàn)證模塊6，用于根據(jù)所述二次識(shí)別驗(yàn)證所述特征提取算法是否識(shí)別準(zhǔn)確；
[0122]數(shù)據(jù)庫修正模塊7，根據(jù)驗(yàn)證結(jié)果修正所述數(shù)據(jù)庫中所述特征提取算法對(duì)所述元件圖片的識(shí)別率。
[0123]進(jìn)一步地，所述元件特征識(shí)別系統(tǒng)還包括用于創(chuàng)建所述數(shù)據(jù)庫的數(shù)據(jù)庫創(chuàng)建模塊8 ;所述數(shù)據(jù)庫創(chuàng)建模塊8包括:
[0124]樣本圖片獲取單元81，用于獲取多張樣本元件圖片；所述樣本元件圖片具有確定的元件名以及維度特征；
[0125]樣本特征提取單元82，用于采用多種不同的特征提取算法分別提取所述樣本元件圖片的算法特征值；
[0126]元件名識(shí)別單元83，用于根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述元件名；若是，則判定所述特征提取算法識(shí)別成功；若否，則判定所述特征提取算法識(shí)別失?。?br> [0127]第一識(shí)別率計(jì)算單元84，用于分別計(jì)算所述多種不同的特征提取算法對(duì)所述元件名的識(shí)別率，并記載在元件識(shí)別數(shù)據(jù)庫中；
[0128]維度特征識(shí)別單元85，用于根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述維度特征；若是，則判定所述特征提取算法識(shí)別成功；若否，則判定所述特征提取算法識(shí)別失??；
[0129]第二識(shí)別率計(jì)算單元86，用于分別計(jì)算所述多種不同的特征提取算法對(duì)所述維度特征的識(shí)別率，并記載在所述維度特征識(shí)別數(shù)據(jù)庫中。
[0130]本發(fā)明實(shí)施例提供的元件特征識(shí)別系統(tǒng)能夠?qū)崿F(xiàn)上述元件特征識(shí)別方法的所有流程，每個(gè)模塊元件與方法步驟一一對(duì)應(yīng)，因而不再對(duì)本實(shí)施例的元件特征識(shí)別系統(tǒng)的原理贅述。
[0131]實(shí)施本發(fā)明實(shí)施例，具有如下有益效果:本發(fā)明的實(shí)施例提供的元件特征識(shí)別方法，可應(yīng)用到板卡元件識(shí)別過程中，根據(jù)預(yù)先標(biāo)定的元件特征來選取一種最高有效性的特征提取算法，并根據(jù)所述特征提取算法來提取算法特征值；根據(jù)所述算法特征值來識(shí)別所述元件圖片是否具備所述元件特征。具體地，數(shù)據(jù)庫可以分為元件識(shí)別數(shù)據(jù)庫和維度特征識(shí)別數(shù)據(jù)庫，分別可以為學(xué)習(xí)過的元件圖片以及未學(xué)習(xí)過的元件圖片選取最高識(shí)別率的算法，增強(qiáng)了自適應(yīng)性，提高了識(shí)別效果，為識(shí)別板卡元件提高了有效的依據(jù)。本發(fā)明的實(shí)施例還相應(yīng)提供了一種元件特征識(shí)別系統(tǒng)，可以達(dá)到上述相同的效果。
[0132]本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過計(jì)算機(jī)程序來指令相關(guān)的硬件來完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體(Read-Only Memory, ROM)或隨機(jī)存儲(chǔ)記憶體(Random AccessMemory, RAM)等。
[0133]以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本【技術(shù)領(lǐng)域】的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也視為本發(fā)明的保護(hù)范圍。
【權(quán)利要求】
1.一種元件特征識(shí)別方法，其特征在于，包括: 獲取一張待識(shí)別的元件圖片；所述元件圖片被標(biāo)定為具有待識(shí)別的元件特征； 從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法；所述數(shù)據(jù)庫記載有多種不同的特征提取算法對(duì)所述元件特征的識(shí)別率； 根據(jù)所述特征提取算法提取所述元件圖片的算法特征值； 根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征。
2.如權(quán)利要求1所述的元件特征識(shí)別方法，其特征在于， 所述元件特征包括元件名以及元件維度特征； 所述數(shù)據(jù)庫包括元件識(shí)別數(shù)據(jù)庫以及維度特征識(shí)別數(shù)據(jù)庫；所述元件識(shí)別數(shù)據(jù)庫記載了多種不同的特征提取算法對(duì)具有同一元件名的元件圖片的識(shí)別率；所述元件維度特征數(shù)據(jù)庫記載了多種不同的特征提取算法對(duì)具有同一元件維度特征的元件圖片的識(shí)別率；所述從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法包括: 查找所述元件識(shí)別數(shù)據(jù)庫，判斷是否存在所述元件圖片的元件名； 若是，則根據(jù)所述元件圖片的元件名，從所述元件識(shí)別數(shù)據(jù)庫中選取對(duì)所述元件名識(shí)別率最尚的特征提取算法； 若否，則根據(jù)所述元件圖片的維度特征，從所述維度特征識(shí)別數(shù)據(jù)庫中選取對(duì)所述維度特征識(shí)別率最高的特征提取算法。
3.如權(quán)利要求1所述的元件特征識(shí)別方法，其特征在于，在所述根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征之后，還包括: 對(duì)所述待識(shí)別的元件圖片進(jìn)行二次識(shí)別，確定所述待識(shí)別的元件圖片是否具有所述元件特征； 根據(jù)所述二次識(shí)別驗(yàn)證所述特征提取算法是否識(shí)別準(zhǔn)確； 根據(jù)驗(yàn)證結(jié)果修正所述數(shù)據(jù)庫中所述特征提取算法對(duì)所述元件圖片的識(shí)別率。
4.如權(quán)利要求2或3所述的元件特征識(shí)別方法，其特征在于，在所述獲取一張待識(shí)別的元件圖片之前還包括創(chuàng)建數(shù)據(jù)庫的步驟，所述創(chuàng)建數(shù)據(jù)庫具體包括: 獲取多張樣本元件圖片；所述樣本元件圖片具有確定的元件名以及維度特征； 采用多種不同的特征提取算法分別提取所述樣本元件圖片的算法特征值； 根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述元件名； 當(dāng)識(shí)別出的所述樣本元件圖片具有所述元件名，則所述特征提取算法識(shí)別成功；當(dāng)識(shí)別出的所述樣本元件圖片不具有所述元件名，則所述特征提取算法識(shí)別失??；分別計(jì)算所述多種不同的特征提取算法對(duì)所述元件名的識(shí)別率，并記載在所述元件識(shí)別數(shù)據(jù)庫中； 根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述維度特征； 當(dāng)識(shí)別出的所述樣本元件圖片具有所述維度特征，則所述特征提取算法識(shí)別成功； 當(dāng)識(shí)別出的所述樣本元件圖片不具有所述維度特征，則所述特征提取算法識(shí)別失??；分別計(jì)算所述多種不同的特征提取算法對(duì)所述維度特征的識(shí)別率，并記載在所述維度特征識(shí)別數(shù)據(jù)庫中。
5.如權(quán)利要求1所述的元件特征識(shí)別方法，其特征在于，所述維度特征包括元件類型以及元件圖片的平均曝光度。
6.一種元件特征識(shí)別系統(tǒng)，其特征在于，包括: 圖片獲取模塊，用于獲取一張待識(shí)別的元件圖片；所述元件圖片被標(biāo)定為具有待識(shí)別的元件特征； 算法選取模塊，用于從數(shù)據(jù)庫中選取一種對(duì)所述元件特征的識(shí)別率最高的特征提取算法；所述數(shù)據(jù)庫記載有多種不同的特征提取算法對(duì)所述元件特征的識(shí)別率； 算法特征提取模塊，用于根據(jù)所述特征提取算法提取所述元件圖片的算法特征值； 識(shí)別模塊，用于根據(jù)所述算法特征值識(shí)別所述元件圖片是否具有所述元件特征。
7.如權(quán)利要求6所述的元件特征識(shí)別系統(tǒng)，其特征在于， 所述數(shù)據(jù)庫包括元件識(shí)別數(shù)據(jù)庫以及維度特征識(shí)別數(shù)據(jù)庫；所述元件識(shí)別數(shù)據(jù)庫統(tǒng)計(jì)了不同特征提取算法對(duì)具有同一元件名的元件圖片的識(shí)別率；所述維度特征識(shí)別數(shù)據(jù)庫統(tǒng)計(jì)了不同特征提取算法對(duì)具有同一維度特征的元件圖片的識(shí)別率； 所述算法選取模塊包括: 查找判斷單元，用于查找所述元件識(shí)別數(shù)據(jù)庫，判斷是否存在所述元件圖片的元件名； 第一算法選取單元，用于在判定存在所述元件圖片的元件名時(shí)，根據(jù)所述元件名，從所述元件識(shí)別數(shù)據(jù)庫中選取對(duì)所述元件名識(shí)別率最高的特征提取算法； 第二算法選取單元，用于在判定不存在所述元件圖片的元件名時(shí)，根據(jù)所述維度特征，從所述維度特征識(shí)別數(shù)據(jù)庫中選取對(duì)所述維度特征識(shí)別率最高的特征提取算法。
8.如權(quán)利要求6所述的元件特征識(shí)別系統(tǒng)，其特征在于，所述元件特征識(shí)別系統(tǒng)還包括: 二次識(shí)別模塊，用于對(duì)所述待識(shí)別的元件圖片進(jìn)行二次識(shí)別，確定所述待識(shí)別的元件圖片是否具有所述元件特征； 驗(yàn)證模塊，用于根據(jù)所述二次識(shí)別驗(yàn)證所述特征提取算法是否識(shí)別準(zhǔn)確； 數(shù)據(jù)庫修正模塊，根據(jù)驗(yàn)證結(jié)果修正所述數(shù)據(jù)庫中所述特征提取算法對(duì)所述元件圖片的識(shí)別率。
9.如權(quán)利要求7或8所述的元件特征識(shí)別系統(tǒng)，其特征在于， 所述元件特征識(shí)別系統(tǒng)還包括用于創(chuàng)建所述數(shù)據(jù)庫的數(shù)據(jù)庫創(chuàng)建模塊；所述數(shù)據(jù)庫創(chuàng)建模塊包括: 樣本圖片獲取單元，用于獲取多張樣本元件圖片；所述樣本元件圖片具有確定的元件名以及維度特征； 樣本特征提取單元，用于采用多種不同的特征提取算法分別提取所述樣本元件圖片的算法特征值； 元件名識(shí)別單元，用于根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述元件名；若是，則判定所述特征提取算法識(shí)別成功；若否，則判定所述特征提取算法識(shí)別失敗； 第一識(shí)別率計(jì)算單元，用于分別計(jì)算所述多種不同的特征提取算法對(duì)所述元件名的識(shí)別率，并記載在元件識(shí)別數(shù)據(jù)庫中； 維度特征識(shí)別單元，用于根據(jù)所述算法特征值分別識(shí)別所述樣本元件圖片是否具有所述維度特征；若是，則判定所述特征提取算法識(shí)別成功；若否，則判定所述特征提取算法識(shí)別失??； 第二識(shí)別率計(jì)算單元，用于分別計(jì)算所述多種不同的特征提取算法對(duì)所述維度特征的識(shí)別率，并記載在所述維度特征識(shí)別數(shù)據(jù)庫中。
10.如權(quán)利要求6所述的元件特征識(shí)別系統(tǒng)，其特征在于，所述維度特征包括元件類型以及元件圖片的平均曝光度。
【文檔編號(hào)】G06K9/46GK104517114SQ201410848530
【公開日】2015年4月15日 申請(qǐng)日期:2014年12月30日 優(yōu)先權(quán)日:2014年12月30日
【發(fā)明者】陳振安 申請(qǐng)人:廣州視源電子科技股份有限公司