[发明专利]基于改进全卷积网络的BGA焊球区域分割方法

权利要求书

1.一种基于改进全卷积网络的BGA焊球区域分割方法，其特征在于，包括以下步骤：

（1）对BGA图像数据集进行采集制作，利用labelme打标工具对图像进行标注，并将标注后的文件进行转化，同时为了增强训练网络的泛化能力和鲁棒性，对图像进行一系列增强扩充处理；

（2）对于BGA焊球区域的分割进行了卷积网络分析选择，并对该网络进行进一步优化，添加卷积层对图像信息特征进行进一步提取；

（3）提出了多尺度特征信息融合策略进一步优化比例融合系数，引入粒子群算法(PSO)来优化融合比例系数；

（4）合理设置卷积层、池化层、反卷积等尺寸参数，同时对训练时损失函数、优化器、迭代次数等相关参数进行设计，对网络模型进行训练，并制定测试流程对待测图像进行BGA焊球区域分割。

2.根据权利要求1所述的一种基于改进全卷积网络的BGA焊球区域分割方法，其特征在于，所述步骤（1）的具体子步骤如下：

步骤1.1）、BGA图像数据集由X-Ray检测系统平台XD7600NT采集获得，一共选取BGA图像600张作为数据集；

步骤1.2）、制作数据集标签，采用labelme打标工具来进行图像标注；

步骤1.3）、将标注修正后的图像进行保存，将生成单个的json文件进行转化；

步骤1.4）、将转化后文件用不同颜色对背景和目标区域进行标注；

步骤1.5）、将标注图像转换成只含有像素0和1的标签图像；

步骤1.6）、对BGA图像数据集进行增强操作，通过缩放、旋转、添噪、亮度调整等方式进一步扩充数据。

3.根据权利要求1所述的一种基于改进全卷积网络的BGA焊球区域分割方法,其特征在于，所述步骤（2）的具体子步骤如下：

步骤2.1）、对全卷积网络系列算法进行对比测试；

步骤2.2）、在选择的全卷积网络基础上进行改进，在第四层卷积池化层pool_4和第七层卷积池化层pool_7输出进行上采样之后进一步进行卷积提取细节特征分别得到Pool4和Pool7，同时对第三层卷积池化之后的结果图pool_3也进行卷积操作得到Pool3，并将Pool3、Pool4与Pool7按照比例进行融合。

4.根据权利要求1所述的一种基于改进全卷积网络的BGA焊球区域分割方法，其特征在于，所述步骤（3）为：提出了多尺度特征信息融合策略进一步优化比例融合系数，引入粒子群算法(PSO)来优化融合比例系数将比例融合因子作为超参数来实现不同比例的多尺度特征信息融合，经过优化操作得到改进后的网络P-FCN8s。

5.根据权利要求1所述的一种基于改进全卷积网络的BGA焊球区域分割方法，其特征在于，所述步骤（4）为：改进后的全卷积网络包括7个卷积层组、5个池化层、3个卷积层和3个反卷积层，其中，第1和第2个卷积层组每层包含2个卷积过程，第 3，4和5个卷积层组每层包含3个卷积过程，前5个卷积层组中每个卷积层组后会跟一个池化层；卷积层均采用3×3的卷积核，该卷积核既有良好的接受场，同时参数的数量也少，能减少计算量；所有卷积过程中的步长均为1，以便更精细地提取特征，尽量不丢失任何边缘信息，训练网络之前时，对训练数据进行shuffle操作，使得获取的数据集数据覆盖每个分布，有对数据集进行重新洗牌的作用增强了网络的鲁棒性，在卷积层中引入BN层加快网络收敛速度，避免出现过拟合现象，网络训练输入的图像尺寸为224×224，输出与输入图像大小保持一致。

6.根据权利要求5所述的一种基于改进全卷积网络的BGA焊球区域分割方法，其特征在于，所述步骤（4）中的改进全卷积网络的结构参数为：卷积层组conv1的尺寸为3×3、步长为1、通道数为64、输出维度为224×224×64；池化层1的尺寸为2×2、步长为2、输出维度为112×112×64；卷积层组conv2的尺寸为3×3、步长为1、通道数为128、输出维度为112×112×128；池化层2的尺寸为2×2、步长为2、输出维度为56×56×128；卷积层组conv3、的尺寸为3×3、步长为1、通道数为256、输出维度为56×56×256；池化层3的尺寸为2×2、步长为2、输出维度为28×28×256；卷积层组conv4的尺寸为3×3、步长为1、通道数为512、输出维度为28×28×512；池化4的尺寸为2×2、步长为2、输出维度为14×14×512；卷积层组conv5的尺寸为3×3、步长为1、通道数为512、输出维度为14×14×512；池化5的尺寸为2×2、步长为2、输出维度为7×7×512；卷积层conv6的尺寸为3×3、步长为1、通道数为4096、输出维度为7×7×4096；卷积层conv7的尺寸为3×3、步长为1、通道数为4096、输出维度为7×7×4096；卷积8的尺寸为3×3、步长为1、通道数为256、输出维度为28×28×256；卷积9的尺寸为3×3、步长为1、通道数为256、输出维度为28×28×256；卷积10的尺寸为3×3、步长为1、通道数为256、输出维度为28×28×256；反卷积1的尺寸为3×3、步长为4、通道数为512、输出维度为28×28×512；反卷积2的尺寸为3×3、步长为2、通道数为512、输出维度为28×28×512；反卷积3的尺寸为3×3、步长为8、通道数为3、输出维度为224×224×3。