一种PCB板件储存方法及储存设备

技术领域

本发明属于PCB板件储存技术领域，尤其是涉及一种PCB板件储存方法及储存设备。

背景技术

伴随着电网建设规模的不断发展，新投运站点急剧增多，PCB板件的需求量也随之增加，这对板件存储管理的自动化及信息同步化提出了更高的要求。

当前的PCB板件储存方法通过防静电袋直接放置在板件柜内，由物管员进行物资领取，这样的储存方式存在以下问题：第一，人工核对领取人员的身份效率低下，且经常出现错拿错放PCB板件的问题；第二，无法快速判断PCB板件是否完好，经常出现无法发现归还的PCB板件是损坏的，导致损坏的PCB板件被正常使用，更换PCB板件影响工作效率，且还可能存在电网故障的风险。

发明内容

有鉴于此，本发明旨在提出一种PCB板件储存方法及储存设备，以期解决上述部分技术问题中的至少之一。

为达到上述目的，本发明的技术方案是这样实现的：

本发明第一方面提供了一种PCB板件储存方法，包括以下步骤：

采集用户信息和PCB板件信息；

根据识别用户信息判断用户是否具有开启权限；

根据PCB板件图像信息判断PCB板件是否完好，判断是否可以归还PCB板件。

进一步的，采集用户信息的过程包括以下步骤：

采集RFID卡片的信息识别第一用户信息；

采集用户的人脸信息识别第二用户信息；

对比第一用户信息和第二用户信息，如果第一用户信息和第二用户信息一致则根据用户的需求和权限判断是否打开相应的柜门；

如果用户的需求为归还PCB板件，则根据PCB板件信息判断PCB板件是否完好，并根据PCB板件的型号开启相应的柜门；

如果用户需求为拿取PCB板件，则根据用户的权限开启相应的柜门。

进一步的，判断PCB板件是否完好包括以下步骤：

采集实时PCB板件的图像信息；

将采集到的PCB板件的图像信息输入至板件预测模型中；

根据板件预测模型的输出信息判断PCB板件是否完好；

板件预测模型的输出信息包括PCB板件是否完好、PCB板件的型号、PCB板件的预测重量、损坏类型。

进一步的，还包括以下步骤：

PCB板件放入放置位后，压力传感器采集PCB板件的重量信息，将采集到的重量信息与板件预测模型的输出预测重量对比；

如果采集到的重量和预测重量误差小于第一阈值则判定PCB板件完好，提示用户关闭柜门；

如果采集到的重量和预测重量误差大于第一阈值则判定PCB板件损坏，提示用户检查PCB板件，并上报PCB板件损坏类型信息。

进一步的，第一阈值根据PCB板件的型号确定；

计算历史数据库中同型号完好PCB板件的重量平均值，

采集历史数据库中同型号损坏PCB板件的重量平均值，完好PCB板件的重量平均值与损坏PCB板件的重量平均值的差值为第一阈值。

进一步的，将采集到的重量信息重新输入板件预测模型中，板件预测模型输出一个或多个预测损坏类型，将采集到的PCB板件的图像与多个预测损坏类型相对应的损坏PCB板件图像对比，找出最接近的损坏PCB板件图像，上报相应的损坏类型；

将采集到的PCB板件的图像、损坏类型、采集到的重量、型号作为训练集持续训练板件预测模型。

进一步的，板件预测模型通过以下方法训练得到：

采集历史数据库中PCB板件的图像信息、型号、重量、损坏类型，并为历史图像信息标记是否完好的标签；

使用Canny算法提取PCB板件图像信息中的关键点位信息；

将关键点位信息做为自变量，将标签作为因变量输入至神经网络模型进行训练。

进一步的，使用Canny算法提取PCB板件历史图像信息中的关键点位信息包括以下步骤：

读取PCB板件的图像；

应用高斯模糊降低图像噪音对边缘检测的影响；

使用Canny算法进行边缘检测，根据图像的特性及PCB板件的型号进行调整Canny算法的低阈值和高阈值；

应用腐蚀和膨胀操作，消除连接断开的边缘。

本发明第二方面提供了一种应用第一方面所述的PCB板件储存方法的PCB板件储存设备，包括：

柜体，所述柜体一侧开有开口，所述开口对应设有用于封闭开口的柜门，所述柜体内设有放置PCB板件的放置位，所述放置位上设有压力传感器；

摄像头，其被配置为采集用户人脸信息及PCB板件的图像信息；

RFID识别器，其被配置为RFID卡片。

进一步的，所述柜体内设有放置腔，所述放置腔的顶端和底端均设有多个放置槽，放置腔顶端的放置槽和放置腔底端的放置槽之间形成放置位；

所述柜门一端与柜体铰接，另外一端与通过磁吸锁与柜体连接，所述磁吸锁通过驱动器与控制器电连接，所述RFID识别器、摄像头均与控制器电连接。

相对于现有技术，本发明所述的一种PCB板件储存方法及储存设备具有以下有益效果：

(1)本发明所述的一种PCB板件储存方法，根据用户身份信息确定用户的权限，防止错拿错放PCB板件的问题，智能判断PCB板件是否完好，防止损坏的PCB板件进入流转工序中，减少了人工判定的工作量，提高了工作效率。

(2)本发明所述的一种PCB板件储存设备，通过重量对比减少了图像检测的错误概率，且通过迭代训练可以持续提高板件预测模型预测准确度。

(3)本发明所述的一种PCB板件储存设备，Canny算法通过使用高斯滤波和非极大值抑制等技术，有效地减少了边缘检测中的误检率，提高了检测结果的准确性，Canny算法通过高斯滤波平滑图像，有助于抑制图像中的噪声，提高了边缘检测的稳定性。

(4)本发明所述的一种PCB板件储存设备，SIFT算法通过使用高斯尺度空间构建尺度金字塔，使得图像在不同尺度下都能提取到相同的特征。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的PCB板件储存方法流程示意图；

图2为本发明实施例所述的PCB板件储存设备立体结构示意图；

图3为本发明实施例所述的柜体立体结构示意图。

附图标记说明：

1、柜体；2、柜门；3、显示器；4、RFID识别器；5、摄像头；101、放置槽。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，一种PCB板件储存方法，包括以下步骤：

S1、采集用户信息和PCB板件信息；

S2、根据识别用户信息判断用户是否具有开启权限；

S3、根据PCB板件图像信息判断PCB板件是否完好，判断是否可以归还PCB板件。

S1、采集用户信息的过程包括以下步骤：

S11、采集RFID卡片的信息识别第一用户信息；

S12、采集用户的人脸信息识别第二用户信息；

S13、对比第一用户信息和第二用户信息，如果第一用户信息和第二用户信息一致则根据用户的需求和权限判断是否打开相应的柜门2；

如果用户的需求为归还PCB板件，则根据PCB板件信息判断PCB板件是否完好，并根据PCB板件的型号开启相应的柜门2；

如果用户需求为拿取PCB板件，则根据用户的权限开启相应的柜门2。

S12中采集用户的人脸信息识别第二用户信息具体包括以下步骤：

S121、使用摄像头或其他人脸采集设备捕捉用户的人脸图像；

使用摄像头或其他人脸采集设备捕捉用户的人脸图像的步骤和注意事项：

摄像头设置：确保摄像头的位置和角度能够有效地捕捉到用户的面部信息。摄像头的分辨率和质量也对后续的人脸检测和识别过程有影响。

光照条件：注意光照条件，尽量保证光线均匀，以避免阴影和过度曝光的情况。良好的光照条件有助于提高人脸检测的准确性。

用户合作：提醒用户合作，确保他们的面部完整地出现在摄像头的视野中。用户可以被引导站在指定的位置，并保持面朝摄像头。

实时采集：人脸图像的采集可以是实时的，也可以是在特定事件触发时进行。实时采集可以用于动态场景，例如门禁系统；事件触发的采集可以用于需要用户明确许可的场景。

隐私保护：在进行人脸图像采集时，必须严格遵守相关的隐私法规和规定。通常，用户应该被告知他们的人脸信息将被用于什么目的，并取得他们的明确同意。

S122、从采集到的人脸图像中提取关键的特征点或特征向量，这些特征通常包括脸部轮廓、眼睛位置、鼻子形状等；

具体包括以下步骤：S1221、基于特征点的检测器检测和标定人脸上的一些显著的关键特征点，其中包括通过检测眼睛的位置和形状，获取有关面部结构的重要信息，眼睛的相对位置和间距是人脸图像中的重要特征之一；检测鼻子的位置、形状以及鼻梁的特征点可以提供额外的辨识信息；检测嘴巴的位置和形状最为关键特征，嘴巴的大小、张开程度等可以帮助系统更准确地识别个体；过检测脸部轮廓的曲线和角度，系统可以获取关于脸部形状的信息。

S1222、采用局部特征描述子的方法，例如SIFT(尺度不变特征变换)或ORB，从人脸图像中提取出具有唯一性的局部特征，描述子可以用来表示人脸图像的局部结构。

SIFT是一种在不同尺度和旋转下具有不变性的特征提取算法，通过在图像中检测关键点，并计算这些关键点周围的局部特征向量，生成具有唯一性的描述子，这些描述子可以用于表示图像中的局部结构，例如人脸的特定区域。

SIFT(尺度不变特征变换)是一种在不同尺度和旋转下具有不变性的特征提取算法，具有以下优势：

尺度不变性：SIFT算法通过使用高斯尺度空间构建尺度金字塔，使得图像在不同尺度下都能提取到相同的特征。这意味着无论目标在图像中的大小如何，SIFT都能稳定地检测到相应的特征点。

旋转不变性：SIFT特征描述子具有旋转不变性，通过在特征点周围计算梯度方向直方图，能够对旋转变换具有较好的适应性。这使得SIFT在处理旋转变换时更为鲁棒。

局部性：SIFT关注图像中的局部特征，而不受全局变换的影响。这种局部性质使得SIFT能够处理图像中的局部变化，例如变形或部分遮挡。

抗噪声性：SIFT通过高斯模糊来抑制图像中的噪声，从而提高了对噪声的抗性。这有助于在复杂的图像场景中提取稳定的特征。

多尺度表示：SIFT通过构建尺度空间金字塔，能够在不同尺度上检测和描述特征。这使得算法能够适应不同大小的目标。

独特性：SIFT特征点的描述子是基于局部图像梯度的，具有较高的独特性，使得它们在图像中具有较强的区分性。

ORB是一种结合了FAST关键点检测器和BRIEF二进制描述子的算法，具有较低的计算复杂度，并且在实时性能方面表现出色。ORB同样可以用于从人脸图像中提取具有唯一性的局部特征，用于表示局部结构。

S1223、使用卷积神经网络(CNN)或其他深度学习模型，直接从人脸图像中学习表示，在多个层次上学习到不同级别的特征，从低级的边缘、纹理到高级的人脸部位。

S1224、将图像转换为固定维度的特征向量。这可以通过降维技术(如主成分分析PCA)或深度学习中的全连接层来实现。提取的特征向量可以用于后续的比对和识别。

S123、使用人脸识别算法或深度学习模型对提取的特征进行比对和识别；

包括但不限于以下方法：

基于特征点的方法：通过比对人脸图像中提取的关键特征点，如眼睛、鼻子、嘴巴的位置，来进行识别，常见的算法包括基于特征点匹配的方法，例如利用人脸关键点的相对位置进行比对。

基于模型的方法：包括Eigenfaces、Fisherfaces等传统的人脸识别模型。这些方法通过将人脸图像投影到一个低维的空间，并在该空间中进行比对，以实现对人脸的识别。

基于深度学习的方法：使用卷积神经网络(CNN)等深度学习模型，直接从人脸图像中学习特征表示，并通过训练分类器实现人脸识别，这类方法在大规模数据集上训练，能够学习到更高层次的抽象特征。

度量学习方法：使用度量学习方法，例如Siamese网络或三元组损失，来学习人脸图像间的相似度度量，在训练过程中优化模型，使得同一人脸的特征表示更加接近，不同人脸的特征表示更加分散。

S124、将人脸识别模型的输出与系统中存储的用户信息进行匹配，获取第二用户信息，一旦识别出用户的人脸并提取了相应的特征，则将这些特征与预先存储在数据库中的用户信息进行比对，这个用户信息可能包括姓名、ID号码、权限级别等。

存储的用户信息，关系型数据库(如MySQL、PostgreSQL)存储用户信息，MySQL是一种开源的关系型数据库管理系统(RDBMS)，它支持多用户同时访问，并提供了广泛的SQL查询语言功能。

使用INSERTINTO语句将新数据插入到MySQL数据库的表中。例如，假设有一个名为users的表格，包含id、username和email字段；

使用SELECT语句从表中检索数据。可以通过简单的查询来获取整个表格的数据，或者使用条件来筛选特定的数据行；

执行这些SQL查询语句，可以使用MySQL的命令行界面或者图形化的工具，比如phpMyAdmin或MySQLWorkbench。

S3中判断PCB板件是否完好包括以下步骤：

S31、采集实时PCB板件的图像信息；

S32、将采集到的PCB板件的图像信息输入至板件预测模型中；

S33、根据板件预测模型的输出信息判断PCB板件是否完好；

板件预测模型的输出信息包括PCB板件是否完好、PCB板件的型号、PCB板件的预测重量、损坏类型。

还包括以下步骤：

S4、PCB板件放入放置位后，压力传感器采集PCB板件的重量信息，将采集到的重量信息与板件预测模型的输出预测重量对比；

如果采集到的重量和预测重量误差小于第一阈值则判定PCB板件完好，提示用户关闭柜门2；

如果采集到的重量和预测重量误差大于第一阈值则判定PCB板件损坏，提示用户检查PCB板件，并上报PCB板件损坏类型信息。

第一阈值根据PCB板件的型号确定；

计算历史数据库中同型号完好PCB板件的重量平均值，

采集历史数据库中同型号损坏PCB板件的重量平均值，完好PCB板件的重量平均值与损坏PCB板件的重量平均值的差值为第一阈值。

S5、将采集到的重量信息重新输入板件预测模型中，板件预测模型输出一个或多个预测损坏类型，将采集到的PCB板件的图像与多个预测损坏类型相对应的损坏PCB板件图像对比，找出最接近的损坏PCB板件图像，上报相应的损坏类型；

将采集到的PCB板件的图像、损坏类型、采集到的重量、型号作为训练集持续训练板件预测模型。

通过重量对比减少了图像检测的错误概率，且通过迭代训练可以持续提高板件预测模型预测准确度。

板件预测模型通过以下方法训练得到：

采集历史数据库中PCB板件的图像信息、型号、重量、损坏类型，并为历史图像信息标记是否完好的标签；

使用Canny算法提取PCB板件图像信息中的关键点位信息；

将关键点位信息、型号、重量、损坏类型做为自变量，将标签作为因变量输入至神经网络模型进行训练。

数据采集：从历史数据库中获取PCB板件的图像信息、型号、重量、损坏类型等数据。确保数据集包含完整的标签信息，即图像是否完好的标签。

图像预处理：对采集到的图像进行预处理，包括调整大小、标准化、灰度化等。这有助于提高模型的训练效果。

Canny算法提取关键点位信息：使用Canny边缘检测算法提取图像的边缘信息，得到关键点位信息。这些边缘信息可以作为图像的特征之一。

Canny算法提取关键点位信息的一些优势：

高灵敏性：Canny算法在边缘检测中具有很高的灵敏性，能够检测到图像中细微的边缘结构，即使是低对比度的边缘也能有效地被检测到。

低误检率：Canny算法通过使用高斯滤波和非极大值抑制等技术，有效地减少了边缘检测中的误检率，提高了检测结果的准确性。

抑制噪声：Canny算法通过高斯滤波平滑图像，有助于抑制图像中的噪声，提高了边缘检测的稳定性。

多阶段处理：Canny算法采用多阶段的边缘检测过程，包括梯度计算、非极大值抑制和边缘跟踪。这些阶段的组合使得算法更具鲁棒性。

精确定位：Canny算法通过非极大值抑制确保边缘位置被精确地定位在局部极值点，提供了准确的边缘位置信息。

可调参数：Canny算法中的一些参数，如高斯滤波的标准差和边缘检测的阈值，是可调整的，允许根据具体应用场景进行参数调优，以满足不同的需求。

数据整理：将提取的关键点位信息、型号、重量、损坏类型作为自变量，将图像是否完好的标签作为因变量。整理数据集以便进行监督学习的训练。

神经网络模型设计：设计适用于该问题的神经网络模型。这可以包括卷积神经网络(CNN)等结构，以便处理图像信息。确保模型能够接受上述特征作为输入。

模型训练：使用整理好的数据集对神经网络模型进行训练。在训练过程中，模型将学习从关键点位信息、型号、重量、损坏类型到图像是否完好的映射关系。

模型评估：使用测试集对训练好的模型进行评估，检查其在未见过的数据上的性能。评估指标可以包括准确率、精确率、召回率等。

模型应用：当模型达到满意的性能后，可以将其应用于新的PCB板件图像，以预测图像的完好程度。

神经网络模型为卷积神经网络(CNN)包括以下结构：

Conv2D层：作为卷积层用于提取图像中的特征，通过调整卷积核的数量和大小，可以适应不同的图像特征；

MaxPooling2D层：作为池化层用于降低特征图的空间维度，减少计算负担；

Flatten层：将特征图展平成一维向量，以便连接到全连接层；

Dense层：作为全连接层用于学习更高级的特征和模式；

Dropout层：其被配置为随机失活一些神经元，以防止过拟合；

输出层：二元分类问题的输出层，使用sigmoid激活函数；

采集历史数据库中PCB板件的图像信息、型号、重量、损坏类型，并为历史图像信息标记是否完好的标签形成数据集，数据集中70％的数据作为训练集，数据集中30％的数据作为测试集；

使用整理好的训练集对神经网络模型进行训练，在训练过程中，模型将学习从关键点位信息、型号、重量、损坏类型到图像是否完好的映射关系。

使用测试集对训练好的模型进行评估，检查其在未见过的数据上的性能。评估指标可以包括准确率、精确率、召回率等。

使用Canny算法提取PCB板件历史图像信息中的关键点位信息包括以下步骤：

读取PCB板件的图像；

应用高斯模糊降低图像噪音对边缘检测的影响；

使用Canny算法进行边缘检测，根据图像的特性及PCB板件的型号进行调整Canny算法的低阈值和高阈值；

应用腐蚀和膨胀操作，消除连接断开的边缘。

通过人脸识别和RFID卡片的双重识别用户的身份，根据用户身份信息确定用户的权限，防止错拿错放PCB板件的问题；

通过板件预测模型预测PCB板件是否完好、板件型号，防止是损坏的PCB板件进入流转工序中，无需人工进行信息录入，至自动识别板件基本信息完成录入，解决了人工信息录入工作效率低的问题，有效减少人员工作量；

且还能判断板件的损坏类型，以便于PCB板件的统计。

如图2、图3所示，一种PCB板件储存设备，包括：

柜体1，所述柜体1一侧开有开口，所述开口对应设有用于封闭开口的柜门2，所述柜体1内设有放置PCB板件的放置位，所述放置位上设有压力传感器；

摄像头5，其被配置为采集用户人脸信息及PCB板件的图像信息；

RFID识别器4，其被配置为RFID卡片；

显示器3，所述显示器3用于显示信息。

所述柜体1内设有放置腔，所述放置腔的顶端和底端均设有多个放置槽101，放置腔顶端的放置槽101和放置腔底端的放置槽101之间形成放置位；

本实施例中，有多个柜体1组成大柜体1，其中一个柜体1上设有摄像头5、RFID识别器4、显示器3。

所述柜门2一端与柜体1铰接，另外一端与通过磁吸锁与柜体1连接，所述磁吸锁通过驱动器与控制器电连接，所述RFID识别器4、摄像头5均与控制器电连接。控制器采用但不限于现有的工业电脑。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本实用各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。