(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221086216 0.1 (22)申请日 2022.07.20 (71)申请人 深圳市持创捷宇电子科技有限公司 地址 518000 广东省深圳市宝安区沙 井街 道大王山社区西环路1001-1号上星西 部工业园C栋宿舍楼4 41 (72)发明人 江涛　潘卫湘　 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/422(2022.01) G06V 10/56(2022.01) G01L 5/00(2006.01) G06Q 10/00(2012.01) (54)发明名称 一种废线路板拆解领域的高价值电子器件 自动识别方法 (57)摘要 本发明公开了一种废线路板拆解领域的高 价值电子器件自动识别方法， 通过预制高价值电 子元器件的学习图样， 并将高价值电子元器件的 学习图样预先分类为贵金属回收目类和有效元 器件回收目类， 架设深度学习神经网络对贵金属 回收目类和有效元器件回收目类中高价值电子 元器件的图形进行颜色和轮廓学习， 配合废线路 板的拆解前检测平台检出元器件损坏区域和元 器件完好区域， 从而实现对二者的分区视觉检 测， 本发明的优点在于可以区分仍具有使用功能 从而可以回收利用的电子元器件和存在贵金属 回收价值的电子元器件， 有助于提高识别及回收 的稳定性和回收效率， 且可以广泛适配不同型号 的废电路板 。 权利要求书1页 说明书4页 CN 115205597 A 2022.10.18 CN 115205597 A 1.一种废线路板拆解领域的高价值电子器件自动识别方法， 其特征在于： 包括以下步 骤： S1、 预制高价值电子元器件的学习图样， 并将高价值电子元器件的学习图样预先分类 为贵金属回收目类和有效元器件回收目类； S2、 架设深度 学习神经网络对贵金属回收目类和有效元器件回收目类 中高价值电子元 器件的图形进行轮廓学习， 构建轮廓学习模型； S3、 持续输入图形样本， 构建颜色学习模型并将其与轮廓学习模型进行复配； S4、 架设废线路板的拆解前检测平台， 拆解前检测平台上阵列设置有区域通电的针脚， 将带拆解的废电路板装载在拆解前检测平台上后控制针脚对废电路板分区供电； S5、 分区供电检测出废电路板中的元器件损坏区域和元器件完好区域， 对元器件损坏 区域单独执行贵金属回收目类的视觉检测识别， 对元器件完好区域同步执行贵金属回收目 类和有效元器件回收目类的视 觉检测识别。 2.根据权利要求1所述的一种废线路板拆解领域的高价值电子器件自动识别方法， 其 特征在于： S2中， 在深度学习神经网络的基础上内置爬虫工具， 利用爬虫工具在公开网络上 抓取信息进行 大数据学习训练。 3.根据权利要求2所述的一种废线路板拆解领域的高价值电子器件自动识别方法， 其 特征在于： S3中， 采用爬虫工具在公开网络上抓取的大数据学习信息作为持续输出图形样 本的图源。 4.根据权利要求1所述的一种废线路板拆解领域的高价值电子器件自动识别方法， 其 特征在于： S4中， 拆解前检测平台上相邻的针脚之间的距离为0.2m m。 5.根据权利要求4所述的一种废线路板拆解领域的高价值电子器件自动识别方法， 其 特征在于： S4中， 拆解前检测平台架设有配合针脚安装区域的压力 传感器， 废电路板装载在 拆解前检测平台上后阵列设置的针脚受到压力参数并获知废电路板装载区域， 分区供电的 尺度范围根据废电路板装载区域逐步下降， 最终缩小至最小元器件通电区域， 从而可以实 现对废弃电容器的精确定位。 6.根据权利要求1所述的一种废线路板拆解领域的高价值电子器件自动识别方法， 其 特征在于： S1中， 预制的高价值电子元器件的学习图样包含各种元器件的常见尺寸的学习 图样， 使得S2中构建的轮廓学习模型中包 含不同的尺寸信息 。权　利　要　求　书 1/1 页 2 CN 115205597 A 2一种废线路板拆 解领域的高价值电子器件自动识别方 法 技术领域 [0001]本发明涉及电子废料回收领域， 具体地说， 是一种废线路板拆解领域的高价值电 子器件自动识别方法。 背景技术 [0002]目前， 我国电子产 品年报废达5亿台/540万吨， 并正以33％速率增长， 环境污染和 资源浪费大， 迫切需要开发高效的处置利用技术与方法， 以实现对线路板金属材料进行回 收利用。 线路板上的主要 金属如铜等主要富集在引脚密集的接口上(如P CI等)， 稀贵金属如 金、 银等主要富集在CPU、 IC芯片、 晶振及 主要总线型接口上， 如果对 上述含铜及 稀贵金属富 集的高值电子器件单独拆解， 后集中提纯处理， 相比于对整块线路板及其上所有电子器件 同时处理而言， 将会显著提高处置效益， 同时也会减少后续提纯过程中化学试剂的用量而 降低环境污染。 [0003]若要实现对高值器件的自动拆解， 其前提是系统能对废线路板上的高值器件自动 识别， 并提供坐标以供设备进 行自动目标定位， 进而拆解。 然而， 由于废线路板种类繁多， 不 同废线路板上所含高值电子器件数量、 大小、 形状、 相对位置等都各异， 若采用人工识别并 进行拆解， 会严重降低效率并增 加成本， 亟 待开发自动化的识别方法。 [0004]现有对线路板上电子器件自动识别的方法均采用人工定义特征并结合机器视觉 进行识别， 其中影响识别准确性最为关键的人工定义特征主要分为两大类， 一是轮廓特征， 二是颜色特征。 然而， 同类高值电子器件在同一块线路板或不同类型线路板上的形状、 大 小、 颜色都存在差异， 且易受其他 非高值电子器件 形状、 颜色、 印刷电路轮廓、 线路板底色等 背景的干扰， 故上述方法虽然对单一类型电子器件或 固定类型线路板上多类电子器件识别 有较好效果， 但不适于生产线 上多类型线路板、 多类型电子器件的通用性识别， 方法的可移 植性和鲁棒 性差。 [0005]为解决这一问题， 我们可以尝试从将物理识别与图像数字识别结合在 一起来获得 提高识别效率和稳定性的技 术效果。 发明内容 [0006]发明目的： 本发明目的在于针对现有技术的不足， 提供一种废线路板拆解领域的 高价值电子器件自动识别方法。 [0007]技术方案： 本发明所述一种废线路板拆解领域的高价值电子器件自动识别方法， 包括以下步骤： [0008]S1、 预制高价值电子元器件的学习图样， 并将高价值电子元器件的学习图样预先 分类为贵金属回收目类和有效元器件回收目类； [0009]S2、 架设深度学习神经 网络对贵金属回收目类和有效元器件回收目类中高价值电 子元器件的图形进行轮廓学习， 构建轮廓学习模型； [0010]S3、 持续输入图形样本， 构建颜色学习模型并将其与轮廓学习模型进行复配；说　明　书 1/4 页 3 CN 115205597 A 3