(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 202211323967.4 (22)申请日 2022.10.27 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 何昊瀚　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 樊一槿　张祥意 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/762(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电子元器件分类识别处 理方法及装置 (57)摘要 本发明提供一种电子元器件分类识别处理 方法及装置， 涉及图像识别技术领域， 可用于金 融领域或其他技术领域。 所述方法包括： 获取包 含有批量待识别电子元器件的图片； 基于预设电 子元器件分类识别模型对所述图片进行分类识 别， 得到电子 元器件的分类识别结果； 其中， 所述 预设电子元器件分类识别模型根据电子元器件 样本数据训练YOLO  V3模型得到。 所述装置执行 上述方法。 本发 明实施例提供的电子元器件分类 识别处理方法及装置， 能够准确和快速地识别出 电子元器件的分类 类别。 权利要求书1页 说明书8页 附图2页 CN 115546560 A 2022.12.30 CN 115546560 A 1.一种电子元器件分类识别处 理方法， 其特 征在于， 包括： 获取包含有批量待识别电子元器件的图片； 基于预设电子元器件分类识别模型对所述图片进行分类识别， 得到电子元器件的分类 识别结果； 其中， 所述预设电子元器件分类识别模型根据电子元器件样本数据训练YOLO  V3模型 得到。 2.根据权利要求1所述的电子元器件分类识别处理方法， 其特征在于， 所述获取包含有 批量待识别电子元器件的图片， 包括： 获取拍摄的安装有所述批量待识别电子元器件的电路板的图片。 3.根据权利要求1所述的电子元器件分类识别处理方法， 其特征在于， 所述YOLO  V3模 型为以Dark net‑53网络为特 征提取网络的多层级全卷积架构。 4.根据权利要求1所述的电子元器件分类识别处理方法， 其特征在于， 所述YOLO  V3模 型通过K‑means聚类得到先验框的尺寸， 在COCO数据集这9个先验框的大小为： (10 ×13)， (16×30)， (33×23)， (30×61)， (62×45)， (59×119)， (116 ×90)， (156 ×198)， (373 × 326)。 5.一种电子元器件分类识别处 理装置， 其特 征在于， 包括： 获取单元， 用于获取包 含有批量待识别电子元器件的图片； 识别单元， 用于基于预设电子元器件分类识别模型对所述图片进行分类识别， 得到电 子元器件的分类识别结果； 其中， 所述预设电子元器件分类识别模型根据电子元器件样本数据训练YOLO  V3模型 得到。 6.根据权利要求5所述的电子元器件分类识别处理装置， 其特征在于， 所述获取单元具 体用于： 获取拍摄的安装有所述批量待识别电子元器件的电路板的图片。 7.根据权利要求5所述的电子元器件分类识别处理装置， 其特征在于， 所述YOLO  V3模 型为以Dark net‑53网络为特 征提取网络的多层级全卷积架构。 8.根据权利要求5所述的电子元器件分类识别处理装置， 其特征在于， 所述YOLO  V3模 型通过K‑means聚类得到先验框的尺寸， 在COCO数据集这9个先验框的大小为： (10 ×13)， (16×30)， (33×23)， (30×61)， (62×45)， (59×119)， (116 ×90)， (156 ×198)， (373 × 326)。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至4任一所述方 法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序被处 理器执行时实现权利要求1至4任一所述方法。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至4任一所述方法。权　利　要　求　书 1/1 页 2 CN 115546560 A 2一种电子元器件分类识别处理 方法及装置 技术领域 [0001]本发明涉及图像识别技术领域， 具体涉及 一种电子元器件分类识别处理方法及装 置。 背景技术 [0002]日常生活中的电子产品越来越丰富， 电子工业也日益发达， 由于科学技术的进步 使得电子产品更新迭代加速， 大量电子产品已经淘汰， 这些电子废品将会造成资源的浪费 以及对环境的污染。 所以为了有效地节约资源来保护环境， 需要对这些电子废品进行回收 后再利用。 传统的电子产品回收只是按照金属含量粗 略地分类， 将电子器件溶解从而提取 电子器件中的贵重金属， 这样的回收方式利用率低且容易产生新的工业污染。 现阶段电子 产品的回收主要将电子废品中可用的电子器件拆解下来， 并将其按照功能分类并二次利 用， 这样的回收方式可以极大地减少浪费， 节约资源。 [0003]在传统的人工分拣拆解电子元器件中， 需耗费大量的人力并且容易产生疲劳导致 检测、 识别、 分类效率低下， 且对于体积 较小的元器件容易漏检。 电子元器件体积 较小， 现如 今计算机视觉应用于各种 领域， 目标识别技术也得到了广泛的应用， 但目标识别应用中仍 然存在小目标识别精度低和算法精度与速度无法兼顾等问题。 发明内容 [0004]针对现有技术中的问题， 本发明实施例提供一种电子元器件分类识别处理方法及 装置， 能够至少部分地 解决现有技 术中存在的问题。 [0005]一方面， 本发明提出一种电子元器件分类识别处 理方法， 包括： [0006]获取包含有批量待识别电子元器件的图片； [0007]基于预设电子元器件分类识别模型对所述图片进行分类识别， 得到电子元器件的 分类识别结果； [0008]其中， 所述预设电子元器件分类识别模型根据电子元器件样本数据训练YOLO  V3 模型得到。 [0009]其中， 所述获取包 含有批量待识别电子元器件的图片， 包括： [0010]获取拍摄的安装有所述批量待识别电子元器件的电路板的图片。 [0011]其中， 所述YOLO  V3模型为以Darknet ‑53网络为特征提取网络的多层级全卷积架 构。 [0012]其中， 所述YOLO  V3模型通过K ‑means聚类得到先验框的尺寸， 在 COCO数据集这9个 先验框的大小为： (10 ×13)， (16×30)， (33×23)， (30×61)， (62×45)， (59×119)， (116 × 90)， (156×198)， (373 ×326)。 [0013]一方面， 本发明提出一种电子元器件分类识别处 理装置， 包括： [0014]获取单元， 用于获取包 含有批量待识别电子元器件的图片； [0015]识别单元， 用于基于预设电子元器件分类识别模型对所述图片进行分类识别， 得说　明　书 1/8 页 3 CN 115546560 A 3