静电喷涂板的智能化生产系统及其方法与流程

本技术涉及智能化生产，并且更具体地，涉及一种静电喷涂板的智能化生产系统及其方法。

背景技术：

1、通过静电喷涂工艺制得的印刷电路板是一种常见的静电喷涂板。利用静电喷涂机喷涂线路板，具有较高的生产效率，且便于操作，喷涂后的线路板具有较佳的品质保障，因此，静电喷涂机得到了越来越多线路板制造商的认可。但是现有的线路板进行静电喷涂时，由于线路板的宽度和高度是不统一的，如果不根据线路板的尺寸大小进行调整加工，线路板加工完毕后由于宽度较大的问题，容易导致各部位喷涂深度不一，由于高度的问题，其板边容易出现聚油的情况。因此，期待一种优化的静电喷涂板的智能化生产方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种静电喷涂板的智能化生产系统及其方法，其获取待静电喷涂的线路板的rgb图像和深度图像；采用基于深度学习的人工智能技术，挖掘线路板的rgb图像和深度图像的图像隐含特征融合信息，并基于此来进行线路板子区域的分割。这样，可以准确地根据线路板的实际尺寸情况来进行线路板的子区域分割，以此将线路板分割为几个深度一致的线路板子区域，进而基于各个线路板子区域的深度信息来确定喷涂高度，从而对线路板表面进行更好更均匀地喷涂。

2、第一方面，提供了一种静电喷涂板的智能化生产系统，其包括：

3、图像采集模块，用于获取待静电喷涂的线路板的rgb图像和深度图像；

4、rgb图像特征提取模块，用于将所述待静电喷涂的线路板的rgb图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到线路板空间表观呈现特征矩阵；

5、深度图像特征提取模块，用于将所述待静电喷涂的线路板的深度图像通过使用空间注意力机制的第二卷积神经网络模型以得到线路板深度分布特征矩阵；

6、特征关联融合模块，用于融合所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵以得到线路板多维特征矩阵；

7、优化模块，用于对所述线路板多维特征矩阵进行特征值位置区分度强化以得到优化线路板多维特征矩阵；以及

8、分隔结果生成模块，用于对所述优化线路板多维特征矩阵进行图像语义分割以得到图像语义分割结果。

9、在上述静电喷涂板的智能化生产系统中，所述rgb图像特征提取模块，包括：浅层特征图提取单元，用于从所述包含深浅特征融合模块的第一卷积神经网络模型的浅层提取浅层特征图；深层特征图提取单元，用于从所述包含深浅特征融合模块的第一卷积神经网络模型的深层提取深层特征图； 深浅融合单元，用于使用所述包含深浅特征融合模块的第一卷积神经网络模型的深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到融合特征图；以及，池化单元，用于将所述融合特征图沿着通道维度进行全局均值池化以得到所述线路板空间表观呈现特征矩阵。

10、在上述静电喷涂板的智能化生产系统中，所述深度图像特征提取模块，用于：所述使用空间注意力机制的第二卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的第二卷积神经网络模型的最后一层输出的所述特征矩阵为所述线路板深度分布特征矩阵。

11、在上述静电喷涂板的智能化生产系统中，所述特征关联融合模块，用于：以如下公式融合所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵以得到线路板多维特征矩阵；其中，所述公式为：

12、

13、其中，表示所述线路板多维特征矩阵，表示所述线路板空间表观呈现特征矩阵,表示所述线路板深度分布特征矩阵，“”表示所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵相对应位置处的元素相加，和表示用于控制所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵之间的平衡的加权参数。

14、在上述静电喷涂板的智能化生产系统中，所述优化模块，用于：以如下公式对所述线路板多维特征矩阵进行基于可区分性物理激励的交互强化以得到所述优化线路板多维特征矩阵；其中，所述公式为：

15、

16、

17、

18、其中,是所述线路板多维特征矩阵，和是预定超参数，和表示特征矩阵的按位置加法和减法，且表示通过单个卷积层的卷积操作，是所述优化线路板多维特征矩阵。

19、在上述静电喷涂板的智能化生产系统中，所述图像语义分割结果为将所述线路板分割为几个深度一致的线路板子区域。

20、第二方面，提供了一种静电喷涂板的智能化生产方法，其包括：

21、获取待静电喷涂的线路板的rgb图像和深度图像；

22、将所述待静电喷涂的线路板的rgb图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到线路板空间表观呈现特征矩阵；

23、将所述待静电喷涂的线路板的深度图像通过使用空间注意力机制的第二卷积神经网络模型以得到线路板深度分布特征矩阵；

24、融合所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵以得到线路板多维特征矩阵；

25、对所述线路板多维特征矩阵进行特征值位置区分度强化以得到优化线路板多维特征矩阵；以及

26、对所述优化线路板多维特征矩阵进行图像语义分割以得到图像语义分割结果。

27、在上述静电喷涂板的智能化生产方法中，将所述待静电喷涂的线路板的rgb图像通过包含深浅特征融合模块的第一卷积神经网络模型以得到线路板空间表观呈现特征矩阵，包括：从所述包含深浅特征融合模块的第一卷积神经网络模型的浅层提取浅层特征图；从所述包含深浅特征融合模块的第一卷积神经网络模型的深层提取深层特征图； 使用所述包含深浅特征融合模块的第一卷积神经网络模型的深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到融合特征图；以及，将所述融合特征图沿着通道维度进行全局均值池化以得到所述线路板空间表观呈现特征矩阵。

28、在上述静电喷涂板的智能化生产方法中，将所述待静电喷涂的线路板的深度图像通过使用空间注意力机制的第二卷积神经网络模型以得到线路板深度分布特征矩阵，包括：所述使用空间注意力机制的第二卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的第二卷积神经网络模型的最后一层输出的所述特征矩阵为所述线路板深度分布特征矩阵。

29、在上述静电喷涂板的智能化生产方法中，融合所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵以得到线路板多维特征矩阵，包括：以如下公式融合所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵以得到线路板多维特征矩阵；其中，所述公式为：

30、

31、其中，表示所述线路板多维特征矩阵，表示所述线路板空间表观呈现特征矩阵,表示所述线路板深度分布特征矩阵，“”表示所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵相对应位置处的元素相加，和表示用于控制所述线路板空间表观呈现特征矩阵和所述线路板深度分布特征矩阵之间的平衡的加权参数。

32、与现有技术相比，本技术提供的静电喷涂板的智能化生产系统及其方法，其获取待静电喷涂的线路板的rgb图像和深度图像；采用基于深度学习的人工智能技术，挖掘线路板的rgb图像和深度图像的图像隐含特征融合信息，并基于此来进行线路板子区域的分割。这样，可以准确地根据线路板的实际尺寸情况来进行线路板的子区域分割，以此将线路板分割为几个深度一致的线路板子区域，进而基于各个线路板子区域的深度信息来确定喷涂高度，从而对线路板表面进行更好更均匀地喷涂。

33、