计算机应用

作者：赵瑞祥, 侯宏花, 张鹏程, 刘祎, 田珠, 桂志国

单位：1. 中北大学 信息与通信工程学院, 太原 030051;2. 生物医学成像与影像大数据山西省重点实验室(中北大学), 太原 030051

关键词：全卷积网络,K均值聚类,球栅阵列,边缘气泡,缺陷分割

基金：国家重大科学仪器设备开发专项（2014YQ24044508）；国家自然科学基金资助项目（61671413，61801438）；中北大学青年学术带头人项目（QX201801）；山西省应用基础研究项目（201801D221196）。

针对在球栅阵列（BGA）气泡检测中，由于图像干扰因素的多样性导致焊球存在边缘气泡与背景之间灰度级接近，从而造成焊球气泡分割结果不精确的问题，提出了一种结合全卷积神经网络（FCN）和K均值（K-means）聚类分割的焊球气泡分割方法。首先根据所制作的BGA标签数据集搭建FCN，通过训练该网络得到合适的网络模型，再对待测BGA图像进行预测处理得到图像的粗分割结果；然后对焊球区域映射提取，通过同态滤波法提高气泡区域辨识度，再使用K-means聚类分割对图像进行细分割处理，得到最终分割结果图；最后对原图焊球及气泡区域进行标注识别。将所提出的算法与传统BGA气泡分割算法进行对比，实验结果表明，所提出的算法对复杂BGA焊球的边缘气泡分割精确，图像分割结果与其真实轮廓高度匹配，准确度更高。

来源：2019年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第9期