1.一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：该计数方法包括两个环节：学习环节和计数环节；

所述学习环节包括以下步骤：

步骤1：以均匀光源照射可透光的空料盘，采用双相机装置采集图像，拼接图像，将图像存储为背景图像1；

步骤2：放置数量为ξ的物料至可透光的空料盘后，采用双相机装置采集图像，拼接图像，将图像存储为图像2，图像2减去背景图像1产生前景图像3；

步骤3：对前景图像3的物料存在的三种姿态建模进行轮廓提取，计算出物料长、宽、高三种姿态和面积物理尺寸信息，信息存入数据库文件，所述三种姿态包括平放姿态、侧放姿态和竖放姿态；

所述计数环节包括以下步骤：

步骤4：放置数量为β的新物料至料盘，β>ξ；物料震散后，采用双相机装置采集图像，拼接图像，将图像存储为图像4，图像4减去背景图像1产生前景图像5；根据前景图像5提取图像轮廓，计算出物料的长、宽、高和面积物理尺寸；

步骤5：步骤4中计算出的物料的长、宽、高和面积物理尺寸与步骤3所述的数据库文件中的信息匹配，先统计单个物料的个数，再对多个物料靠在一起或叠在一起的物料采用距离变换和分水岭分割方法进行分割，然后再统计，对于无法分割的靠在一起或叠在一起的物料，根据面积法统计出物料个数；

步骤6：利用灰色模型判断基于物理尺寸匹配方法所得结果是否稳定；基于物理尺寸匹配方法所得到的结果不稳定，重复步骤4，重新计算得到物料新的长、宽、高和面积物理尺寸；

步骤7：重复步骤5，至物料计数结果出现相同的次数达到阈值M时，记为计数稳定情况，并将出现相同的次数对应的物料计数结果作为最终结果；

所述步骤5中，将步骤4中所述的物料的长、宽、高和面积物理尺寸与步骤3所述的数据库文件中的信息匹配，然后再根据面积法统计出物料个数；物料物理尺寸匹配条件如下：S8-1、平放判断条件：

L×0.8≤l≤L×1.2∧W×0.8≤w≤W×1.2∧A平放×0.8≤a≤A平放×1.2S8-2、侧放判断条件：

L×0.8≤l≤L×1.2∧H×0.8≤h≤H×1.2∧A侧放×0.8≤a≤A侧放×1.2S8-3、竖放判断条件：

W×0.8≤w≤W×1.2∧H×0.8≤h≤H×1.2∧A竖放×0.8≤a≤A竖放×1.2其中L，W，H，A平放，A侧放，A竖放分别表示学习环节建档的长，宽，高，平放面积，侧放面积以及竖放面积信息；l、w、h、a分别表示物料的长、宽、高及面积信息；

对于不在上述条件的物料属于存在两个或者两个以上粘连叠加情况，采用距离变换和分水岭分割方法；距离变换是二值图像中每个像素的灰度值为该像素与距其最近的背景像素间的距离。

2.根据权利要求1所述的一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：所述步骤1中的拼接图像是用SURF算法对双相机装置采集的图像进行特征提取与匹配，将生成分辨率更大的图像；

具体步骤如下：S2-1、利用SURF算法提取不同物料图像中的特征点；

S2-2、利用SURF算法在尺度控件中提取候选特征点，再利用三维线性插值法对候选点进行定位；

S2-3、确定不同物料图像中特征点主方向；

S2-4、根据特征点构造对应的SURF特征描述子。

3.根据权利要求2所述的一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：所述S2-1中，利用SURF算法提取不同物料图像中的特征点的具体方法为：SURF算法采用Hessian矩阵行列式来检测特征点，先利用高斯模板对图像进行卷积，然后在像素点处得到一个带有尺度信息的Hessian矩阵，表达式为：其中L(x,y,σ)＝G(x,y,σ)*I(x,y),G(x,y,σ)是尺度可变高斯函数，I(x,y)为图像，Lxx(x,y,σ)，Lxy(x,y,σ)，Lyy(x,y,σ)分别是像素点(x,y)上x，xy，y方向的二阶微分；因此Hessian矩阵行列式最终简化为：det(H)＝LxxLyy-LxyLxy

每个像素的Hessian矩阵判别式的近似值为：det(H)＝LxxLyy-(ωLxy)2

ω代表加权系数，det(H)代表点附近区域的盒式滤波响应值。

4.根据权利要求3所述的一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：所述S2-2中，利用SURF算法在尺度控件中提取候选特征点的具体方法为：SURF特征点的定位是在不同尺度特征点的响应图像上采用邻域非极大值抑制，在构造好的SURF金字塔中，对所述Hessian矩阵的每个像素点与二维图像空间和尺度空间邻域内的26个点进行比较,选出特征点候选点；再利用三维线性插值法对特征点候选点进行定位,获得亚像素级别的特征点。

5.根据权利要求2所述的一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：所述S2-3中，确定不同物料图像中特征点主方向的具体方法为：统计特征点领域内的Haar小波特征,在特征点的领域内,统计60度扇形内所有点的水平Haar小波特征和垂直Haar小波特征总和,一个扇形得到一个响应值；将响应值分别加起来,形成矢量,选择其中最长的矢量方向,作为最终特征点的主方向。

6.根据权利要求5所述的一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：所述S2-4中，根据特征点构造对应的SURF特征描述子的具体方法为：在特征点周围取一个4×4的矩形区域块,所取得矩形区域方向是沿着特征点的主方向；把该矩形区域块划分为均等的16个子区域，每个子区域统计25个像素的水平方向和垂直方向的Haar小波特征；

该Haar小波特征为：水平方向值之和∑dx、垂直方向值之和∑dy、水平方向绝对值之和|∑dx|以及垂直方向绝对值之和|∑dy|4个方向；把Haar小波值作为每个子块区域的特征向量，一共有64维向量作为SURF特征的描述子。

7.根据权利要求1所述的一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：所述步骤2-步骤4中，对物料进行图像采集后提取图像轮廓并计算出物料的长、宽、高，具体方法为：学习环节用图像2和背景图像1进行差分，计数环节用图像4和背景图像1进行差分，得到二值化图像，然后对二值化图像进行形态学开运算去除元器件管脚干扰，开运算采用十字卷积核；

十字卷积核大小由以下方法步骤决定：S7-1、物料的外接长方形减去物料的内接长方形，得到物料管脚干扰图像；

S7-2、最小卷积核大小d以形态学腐蚀操作腐蚀掉干扰图像；

S7-3、实际卷积核尺寸大小确定为Len＝1.5×d；然后提取图像轮廓，计数出物料的长l、宽w、高h和面积a。

8.根据权利要求7所述的一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：采用距离变换的测量度量是欧式距离；距离变换的主要过程如下：设置一幅二值图像，包含一个连通区域S，其中有目标集O和背景集B，则距离变换的定义如下：D(p)＝Min(disf(p,q))   p∈O,q∈B其中，D(p)表示点p的距离变换值；p表示为目标集O中的点；q表示为背景集B中的点；

S8-4、将图像中的目标像素点分类，分为内部点，外部点和孤立点；

S8-5、计算图像中所有的内部点和非内部点，点集分别为S1，S2；

S8-6、对于S1中的每一个内部点(x,y)，使用距离公式disf()计算在S2中的最小距离，所有最小距离构成集合S3；

S8-7、计算S3中的最大值Max，最小值Min；

S8-8、对于每一个内部点，转换后的灰度值G(x,y)计算公式如下所示：G(x,y)＝255×|S3(x,y)-Min|/|Max-Min|其中S3(x,y)表示S1中的点(x,y)在S2中的最短距离；

S8-9、对于孤立点保持不变；

在距离变换中，距离函数disf()的选取是欧式距离：其中，x和y表示点在平面中的坐标，p(x1,y1)和q(x2,y2)分别表示p和q的坐标；

对于粘连叠加无法分割的物料，先以面积法统计个数，公式如下：其中n代表统计的个数，a代表粘连叠加一起物料的总面积，A代表一个物料学习的面积；

当n＝1且l>L×1.2∨w>W×1.2，则n＝2。

9.根据权利要求1所述的一种基于物理尺寸匹配的电子元器件计数方法，其特征在于：所述步骤6中，利用灰色模型判断基于物理尺寸匹配方法所得结果是否稳定，具体方法如下：S9-1、累加生成

x(0)＝{x(0)(1)，x(0)(2)，x(0)(3)，…，x(0)(N)}x(0)为步骤4至步骤5尺寸匹配所得到的结果；

x(0)(1)为步骤4至步骤5第一次匹配所得到的结果；

x(0)(2)为步骤4至步骤5第二次匹配所得到的结果；

x(0)(3)为步骤4至步骤5第三次匹配所得到的结果；

x(0)(N)为步骤4至步骤5第N次匹配所得到的结果；

设x1(1)＝x(0)(1)，

x1(2)＝x(0)(1)+x(0)(2)，x1(3)＝x(0)(1)+x(0)(2)+x(0)(3)，于是得到一个新数据序列为：

x1＝{x1(1)，x1(2)，x1(3)，…，x1(N)}S9-2、建立GM(1,1)模型

x(0)(N)+kz1(N)＝b为GM(1,1)模型的基本形式(N＝2，3，…，n)，其中k称为发展系数，z1(N)称为白化背景值，b称为灰作用量；引入矩阵式可以得到：于是，GM(1,1)模型x(0)(N)+kz1(N)＝b可以表示为Y＝Bu，利用正规方程(BTB)-1BTY按照最小二乘的原理来求出k和b的值；

S9-3、预测

相应的白化模型为由此可以得到

令Q＝N+1可得到预测值

其中N＝0，1，2，3，…，n-1；Q＝N+1；代表对n次累加和的预测；

S9-4、检验

将得到的预测值使用累减法生成得到

其中N＝0，1，2，3，…，n-1；Q＝N+1；

代表匹配次数为n的预测值；

计算残差

其中N＝0，1，2，3，…，n-1；Q＝N+1；

计算残差的均值

计算x(0)(N)的均值

计算原始序列x(0)(N)的方差Y1和残差e(N)的方差Y2计算后验差比

计算小误差概率

当C<0.35、P>0.95时，灰色模型精确度等级好；

当C<0.45、P>0.8时，灰色模型精确度等级合格；

当C<0.5、P>0.7时，灰色模型精确度等级勉强；

当C≥0.65、P≤0.7时，灰色模型精确度等级不合格；

当经过检验后灰色模型精度等级为好时，表示该基于物理尺寸匹配方法得到的结果稳定。