一种蓝牙耳机主板自动化模组机械手夹爪结构

技术领域

本发明涉及蓝牙耳机主板加工技术领域，具体涉及一种蓝牙耳机主板自动化模组机械手夹爪结构。

背景技术

蓝牙是一种低成本低功耗的短距离无线通信技术。近年来随着蓝牙产品和无线技术应用的普及，蓝牙耳机的成为目前在日常生活中应用最广的蓝牙技术，通过蓝牙耳机，手机用户可以实现无线免提功能，而不必像现在这样从头部垂下一根线到手机上。无线蓝牙耳机充电盒内部含有主板和线路等零部件，柔性主板不易断裂，并且能很好地适应蓝牙耳机内部，更容易组装。

而对柔性主板进行测试时都是通过人工测试，由于PCB产品定位孔直径小，与载具销钉对位精度要求高，通过人工对位，不仅增加了操作人员的人工强度，而且通过人工测试，测试效率叶较低。

发明内容

为解决现有技术问题，本发明提供一种蓝牙耳机主板自动化模组机械手夹爪结构，包括呈凹字形的机架，所述机架的中部可拆卸固定安装有四个上料取料吸盘组和四个下料取料吸盘组；所述机架的前侧面固定安装有两个用于击打载具的敲打机构；

所述机架的一侧面上固定安装有相机，所述相机包括图像采集器、光电传感器以及图像处理模块；所述图像采集器与所述图像处理模块电连接；

所述图像采集器用于拍摄PCB产品定位孔和载具销钉的图像；所述光电传感器用于感应PCB产品定位孔和载具销钉，并向控制模块发送触发信号；所述控制模块用于接收光电传感器发送的触发信号，控制所述图像采集器拍摄图像；

所述图像处理模块包括图像第一处理模块和图像第二处理模块；

所述第一处理模块包括：

图像预处理模块，用于对采集的图像进行数据预处理，作为训练数据集；

数据分析模块，用于将训练数据集用于改进后的DCGAN模型训练，直至生成器G与判别器D达到纳什均衡；

数据汇总模块，用于将训练完成的模型数据汇总，生成初级增强图像；

所述第二处理模块包括：

获取反转图像和增强参数模块，用于基于初级增强图像及其亮度特征，获取反转图像和增强参数；

确定光值和改进传输率模块，用于基于所述反转图像和所述增强参数，确定光值和改进传输率；

确定反转增强图像，用于基于所述反转图像、所述光值和所述改进传输率，确定反转增强图像；

确定次级增强图像，用于基于所述反转增强图像，确定次级增强图像。

进一步的方案是，所述上料取料吸盘组和下料取料吸盘组间隔分布设置，且上料取料吸盘组和下料取料吸盘组均采用的是真空气缸吸盘。

进一步的方案是，所述敲打机构包括安装板、敲打气缸以及敲打头，所述安装板的一端与所述机架的前侧面固定连接，所述安装板的另一端与所述敲打气缸的顶部固定连接，所述敲打气缸的活动端与所述敲打头的顶部固定连接。

进一步的方案是，所述机架远离所述相机的一侧面上固定安装有激光测距仪。

进一步的方案是，用于对采集的图像进行数据预处理，作为训练数据集包括：

对采集到的图像进行筛选，滤除特征模糊、存在冗余信息的低质量图像数据；

利用传统的图像扩充技术对过滤后的图像样本进行操作，得到预处理数据集；

将预处理数据集与原始筛选后的故障样本混合形成新的训练数据集；

对所述DCGAN模型结构及网络函数进行优化包括：

在DCGAN模型的生成器G中分别增加一层反卷积层及多层残差块，并在每层卷积网络后都进行批量归一化及激活处理；

在DCGAN模型的判别器D中分别增加一层卷积层及多层残差块，并在每层卷积网络后都进行批量归一化及激活处理；

将DCGAN网络中生成器G的激活函数ReLU替换为SeLU；

将DCGAN网络的损失函数替换为Wasserstein距离。

进一步的方案是，将所述训练数据集用于改进后的DCGAN模型训练包括：

输入一组随机噪声Z至生成器G，由生成器G生成随机噪声经生成器生成的图像分布G(Z)；

将G(Z)传给判别器D,鉴别生成样本的真假并反馈给生成器G；

固定生成器G的参数，通过训练集和G(Z)不断训练判别器D；

固定判别器D的参数，不断训练并优化生成器G的参数；

不断循环这一过程，直至生成器G和判别器D达到纳什均衡，训练结束；

所述生成器G和判别器D达到纳什均衡，此时判别器D的输出维持在.5。

进一步的方案是，所述基于所述反转图像和所述增强参数，确定光值和改进传输率包括：

遍历所述反转图像进行最小值滤波处理，获取目标最小值滤波图像；

遍历所述目标最小值滤波图像求RGB三通道数据最小值，获取暗通道图像；

基于所述暗通道图像，获取数值最大的目标数量个第一像素及其对应的第一像素位置；

从所述目标数量个第一像素中获取所述亮度特征对应的数值最大的第二像素及其对应的第二像素位置；

取所述反转图像对应的所述第二像素位置像素值，确定所述光值。

进一步的方案是，所述基于所述反转图像和所述增强参数，确定光值和改进传输率，包括：

基于所述目标最小值滤波图像和所述光值，确定初始传输率；

基于所述初始传输率、所述增强参数和输入数据的最大动态范围，确定所述改进传输率。

进一步的方案是，所述基于原始低照度图像及其亮度特征，获取反转图像和增强参数包括：

基于所述原始低照度图像的目标通道数据，确定所述亮度特征；

基于所述亮度特征和输入数据的最大动态范围，确定所述增强参数；

对所述原始低照度图像进行反转，获取所述反转图像。

进一步的方案是，所述基于所述反转增强图像，确定次级增强图像包括：

通过查映射函数表对所述反转增强图像优化对比度，获取反转增强优化图像；

对所述反转增强优化图像取反，获取次级增强图像。

本发明相比于现有技术所具有的有益效果：

通过将本发明的机械手夹爪结构安装到机械手的末端，可实现PCB板位置的移动。同时通过设置上料取料吸盘组和下料取料吸盘组用于吸住PCB板和松开PCB板，用于PCB板的上料和下料。具体为机械手夹爪吸住PCB产品后并移动到载具仿形块的上方，此时机械手夹爪松开PCB产品，PCB产品顺着载具仿形边自由掉落至仿形块内，实现初步定位。

本发明通过安装板将敲打气缸安装到机架上；当需要敲打载具时，通过启动敲打气缸，使得气缸的活动端上下运动从而带动敲打头上下运动，从而实现通过敲打头以一定频率敲打载具，使载具震动带动仿形块移动，使得PCB产品通过仿形块实现二次定位。

本发明通过相机拍摄的PCB产品定位孔和载具销钉位置图像通过第一处理模块和第二处理模块对图像进行两次的图像增强处理，大大提升拍摄的图像的清晰度，从而更准确对PCB产品定位孔和载具销钉位置的判断，从而保证PCB产品能准确的放入载具销钉内进行固定稳定。

附图说明

图1为本发明实施例提供的一种蓝牙耳机主板自动化模组机械手夹爪结构的结构示意图；

图2为本发明实施例提供的敲打机构的结构示意图；

图3为本发明实施例第一处理模块对图像进行一次增强处理的流程图；

图4为本发明实施例第二处理模块对图像进行二次增强处理的流程图；

附图标注：1-机架；10-上料取料吸盘组；11-下料取料吸盘组；20-安装板；21-敲打气缸；22-敲打头；3-相机；4-激光测距仪。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

如图1-4所示，本发明的一个实施例公开了一种蓝牙耳机主板自动化模组机械手夹爪结构，包括呈凹字形的机架1，机架1的中部可拆卸固定安装有四个上料取料吸盘组10和四个下料取料吸盘组11；机架1的前侧面固定安装有两个用于击打载具的敲打机构；机架1的一侧面上固定安装有相机3，

需要说明的是，本发明实施例提供的机械手夹爪结构安装到机械手的末端，可实现PCB板位置的移动。同时通过设置上料取料吸盘组和下料取料吸盘组用于吸住PCB板和松开PCB板，用于PCB板的上料和下料。具体为机械手夹爪吸住PCB产品后并移动到载具仿形块的上方，此时机械手夹爪松开PCB产品，PCB产品顺着载具仿形边自由掉落至仿形块内，实现初步定位。

本发明实施例通过在机械手夹爪结构上设置相机可实现通过相机拍照对位PCB产品定位孔和载具销钉，保证PCB产品完全放入载具销钉内固定稳定才能满足投入自动化测试的需求。

在本实施例中，上料取料吸盘组10和下料取料吸盘组11间隔分布设置，且上料取料吸盘组10和下料取料吸盘组11均采用的是真空气缸吸盘。

本发明实施例通过上述设置可实现可选择上下料三个PCB产品或上下料两个PCB产品。

在本实施例中，敲打机构包括安装板20、敲打气缸21以及敲打头22，安装板20的一端与机架1的前侧面固定连接，安装板20的另一端与敲打气缸21的顶部固定连接，敲打气缸21的活动端与敲打头22的顶部固定连接。

需要说明的是，本实施例的敲打气缸可通过调节气缸压力，可实现控制气缸敲打的力度；敲打头采用防静电聚氨酯，更好的保护产品；

本实施例通过上述设置可实现通过安装板将敲打气缸安装到机架上；当需要敲打载具时，通过启动敲打气缸，使得气缸的活动端上下运动从而带动敲打头上下运动，从而实现通过敲打头以一定频率敲打载具，使载具震动带动仿形块移动，使得PCB产品通过仿形块实现二次定位。

在本实施例中，机架1远离相机3的一侧面上固定安装有激光测距仪4。

本发明实施例通过上述设置可实现通过在机械手夹爪结构上设置激光测距仪，可测量机械手夹爪结构与载具仿形腔的高度，如两者的高度小于一定数值时，可发出报警信号，可保证机械手夹爪结构放置高度需要在载具仿形腔之外，避免损坏产品。

进一步说明的是，为了保证拍摄拍PCB产品定位孔和载具销钉位置图像的清晰度，从而保证PCB板定位的准确性，本发明实施例通过对拍摄的图像进行增强，使得拍摄的图像可在光源不足或者由其他因素造成的拍摄的图像不清晰的情况下也能得到清晰的PCB产品定位孔和载具销钉位置图像。采用的方案具体为：

本实施例的相机3包括图像采集器、光电传感器以及图像处理模块；图像采集器与图像处理模块电连接；

图像采集器用于拍摄PCB产品定位孔和载具销钉的图像；光电传感器用于感应PCB产品定位孔和载具销钉，并向控制模块发送触发信号；控制模块用于接收光电传感器发送的触发信号，控制图像采集器拍摄图像；

图像处理模块包括图像第一处理模块和图像第二处理模块；

本发明实施例通过设置图像第一处理模块和图像第二处理模块对拍摄的图像进行两次的图像增强处理，大大提升拍摄的图像的清晰度，从而更准确对PCB产品定位孔和载具销钉位置的判断，从而保证PCB产品能准确的放入载具销钉内进行固定稳定。

进一步说明的是，第一处理模块包括：图像预处理模块、数据分析模块、数据汇总模块以及数据汇总模块。

通过上述第一处理模块对采集的图像进行一次增强包括以下步骤：

X1：对采集的图像进行数据预处理，作为训练数据集；

X2：将训练数据集用于改进后的DCGAN模型训练，直至生成器G与判别器D达到纳什均衡；

X3：将训练完成的模型数据汇总，生成初级增强图像；

在本实施例中，对采集的图像进行数据预处理，作为训练数据集包括：

对采集到的图像进行筛选，滤除特征模糊、存在冗余信息的低质量图像数据；

利用传统的图像扩充技术对过滤后的图像样本进行操作，得到预处理数据集；

将预处理数据集与原始筛选后的故障样本混合形成新的训练数据集；

本发明实施例通过上述设置可实现将对采集的图像用于模型训练时，部分存在过多冗余干扰或特征信息不详的低质量样本容易影响模型的训练效果，甚至导致模型性能劣化。通过对原始数据样本进行筛选处理，再对筛选后的图像数据进行增强操作，能够最大程度减少劣质数据带来的干扰，并为模型提供更多的训练样本，使模型学习到更加全面的数据集特征。

对DCGAN模型结构及网络函数进行优化包括：

需要说明的是，本实施例的DCGAN(Deep Convolutional GenerativeAdversarial Network)是GAN与CNN(Convolutional Neural Network)的结合。

在DCGAN模型的生成器G中分别增加一层反卷积层及多层残差块，并在每层卷积网络后都进行批量归一化及激活处理；

在DCGAN模型的判别器D中分别增加一层卷积层及多层残差块，并在每层卷积网络后都进行批量归一化及激活处理；有效提高判别网络的判决能力，在每个激活层后都增添残差模块。

将DCGAN网络中生成器G的激活函数ReLU替换为SeLU；修正线性单元ReLU能够缓解神经网络训练弥散状况，减少训练时间。然而，ReLU单元在训练时比较脆弱，容易出现神经元死亡现象，导致数据多样化丢失。相比于ReLU函数，SeLU函数能够缓解网络训练过程中出现的梯度爆炸问题，并提供更多样的图像细节。

将DCGAN网络的损失函数替换为Wasserstein距离。采用Wasserstein距离作为新的损失函数，能够更准确地评估生成样本数据分布与真实样本数据分布之间的距离，并保证模型训练的稳定性，进而达到生成逼近训练集数据分布的图像的目的。

本发明实施例通过上述设置可有效实现对采集图像清晰度的增强。

在本实施例中，将训练数据集用于改进后的DCGAN模型训练包括：

输入一组随机噪声Z至生成器G，由生成器G生成随机噪声经生成器生成的图像分布G(Z)；随机噪声Z一般为服从均匀分布的高斯噪声。

将G(Z)传给判别器D,鉴别生成样本的真假并反馈给生成器G；判别器D不断鉴别由生成器G产生的图像样本，若判别图像结果为假，则执行惩罚给生成器G。

固定生成器G的参数，通过训练集和G(Z)不断训练判别器D；通过Wasserstein距离计算真实数据集样本分布与生成器G产生的数据分布之间的距离，不断优化更新网络参数。

固定判别器D的参数，不断训练并优化生成器G的参数；生成器G根据判别器D反馈回来的奖惩信号，尽可能地将惩罚降到最低，不断学习真实数据分布特征，优化更新自身网络参数。

不断循环这一过程，直至生成器G和判别器D达到纳什均衡，训练结束；

生成器G和判别器D达到纳什均衡，此时判别器D的输出维持在0.5。生成器G与判别器D不断交替进行训练，最终，判别器D无法辨别图像的真伪，生成器G与判别器D的对抗达到纳什均衡，此时，判别器D的输出概率为0.5，完成对DCGAN模型的训练。

本发明实施例通过上述设置可实现进一步的对采集图像清晰度的增强。

由于第二处理模块包括：获取反转图像和增强参数模块、确定光值和改进传输率模块、确定反转增强图像以及确定次级增强图像。

通过上述第二处理模块对初级增强图像进行二次增强包括以下步骤：

Y1：基于初级增强图像及其亮度特征，获取反转图像和增强参数；包括：

基于初级增强图像的目标通道数据，确定亮度特征；

基于亮度特征和输入数据的最大动态范围，确定增强参数；

对原始低照度图像进行反转，获取反转图像。

需要说明的是，本实施例的目标通道数据可以为RGB三通道数据，或者也可以为以G通道数据为主的数据。

Y2：基于反转图像和增强参数，确定光值和改进传输率；包括：

遍历反转图像进行最小值滤波处理，获取目标最小值滤波图像；

遍历目标最小值滤波图像求RGB三通道数据最小值，获取暗通道图像；

基于暗通道图像，获取数值最大的目标数量个第一像素及其对应的第一像素位置；

从目标数量个第一像素中获取亮度特征对应的数值最大的第二像素及其对应的第二像素位置；

取反转图像对应的第二像素位置像素值，确定光值。

需要说明的是，目标最小值滤波图像为进行至少一次最小滤波处理所获取的滤波图像。

Y3：基于反转图像、光值和改进传输率，确定反转增强图像；包括：

基于目标最小值滤波图像和光值，确定初始传输率；

基于初始传输率、增强参数和输入数据的最大动态范围，确定改进传输率。

在本实施例中，基于原始低照度图像及其亮度特征，获取反转图像和增强参数包括：

基于原始低照度图像的目标通道数据，确定亮度特征；

基于亮度特征和输入数据的最大动态范围，确定增强参数；

对原始低照度图像进行反转，获取反转图像。

Y4：基于反转增强图像，确定次级增强图像。包括：

通过查映射函数表对反转增强图像优化对比度，获取反转增强优化图像；对反转增强优化图像取反，获取次级增强图像。

本发明实施例通过设置第二处理模块对已初步增强的图像进行二次的增强，尤其通过第二处理模块对低照度或者超低照度条件下拍摄的图像进行增强处理具有明显的效果，避免在对PCB产品定位孔和载具销钉位置图像进行拍摄时可能会在光照条件较差的情况下进行，此情况下拍摄的图像清晰度不高，通过上述图像无法准确判断PCB产品定位孔和载具销钉的位置，从而造成后续将PCB移入到仿形块内无法实现PCB产品完全放入载具销钉内进行固定情形的发生。

最后说明的是，以上仅对本发明具体实施例进行详细描述说明。但本发明并不限制于以上描述具体实施例。本领域的技术人员对本发明进行的等同修改和替代也都在本发明的范畴之中。因此，在不脱离本发明的精神和范围下所作的均等变换和修改，都涵盖在本发明范围内。