摘要
本发明涉及计算机视觉处理技术领域，公开了基于解析IPC文件的PCB组件类别识别方法，创造性地将IPC‑D‑356A标准文件的结构化语义信息转化为可视化属性图像，并结合深度学习分类模型实现高精度的PCB组件类别识别，实现了从文本语义到图像特征的跨模态转换，既保持了IPC‑D‑356A标准文件的完整信息，又发挥了深度学习在图像识别方面的优势，为PCB智能制造提供了全新的技术路径，解决了传统的针对于PCB表面贴装器件与金手指的识别系统、方法，无法实现对IPC‑D‑356A标准文件中的结构化数据实现较好的运用，存在无法还原完整的器件属性信息的问题。
