基于轻量级多注意力的SMT点胶电子元件识别方法及系统

本发明涉及机器视觉与电子制造技术领域，具体涉及一种基于轻量级多注意力的SMT点胶电子元件识别方法及系统，本发明首先设计交叉洗牌注意力（CSA）模块，融合MobileNetv3深度卷积与改进型Si‑ShuffleNetv2结构，实现输入特征的高效轻量化提取；其次构建幽灵多注意力（GMA）模块，通过GhostConv压缩特征维度并集成C3CBAM注意力机制，强化特征融合过程中的关键信息感知；进而结合改进的鲁棒Canny边缘检测与霍夫变换，在复杂工业噪声环境下精确提取元件轮廓；最后通过机器人操作系统（ROS）实现多坐标系转换与运动轨迹规划。本发明突破传统模板匹配方法对背景风格和人工参数的依赖，通过轻量级注意力机制与模型结构优化，在Jetson Nano边缘设备上实现17FPS实时检测，效果突出。