[发明专利]基于改进全卷积网络的BGA焊球区域分割方法

说明书

本发明公开了一种基于改进全卷积网络的BGA焊球区域分割方法，用于实现复杂背景下的BGA焊球目标分割。对BGA的X‑Ray图像数据集进行采集制作和标注，对图像进行一系列增强扩充处理增加样本的代表性，对于BGA焊球区域的分割进行了神经网络分析选择和优化设计，全卷积网络将卷积网络模型中的全连接层替换为全卷积层以进行像素级的稠密估计。结合不同深度层的跳跃结构，融合了深层全局语义信息和浅层局部位置信息。其特征在于，该方法针对BGA焊球区域提取的过程中由于X‑Ray图像易受到噪声干扰影响、焊球分辨率较低、空洞与背景的灰度对比度低分界不明显等情况，能够清晰高效提取焊球轮廓，本发明所提出的方法精度高、具备较好的适应性。

技术领域

本发明涉及工业机器视觉技术领域，尤其涉及一种基于改进全卷积网络的BGA焊球区域分割方法。

背景技术

随着SMT技术的高速发展，电子行业的需求也不断增加，电子产品也不断向轻薄化和微小化发展，然而BGA(球栅阵列封装)作为一种良好的新型芯片封装形式可以有效提高电子产品的集成度，其特点主要表现为芯片引脚是以球形焊点按阵列方式分布在封装下面，由于其焊球和基板接触面积大，有利于发挥散热功能，使得成品组装效率更高，能够有效减小输出电压的扰动性，并减少数据传输的延迟时间，其技术特点在于焊点以阵列形式排布于芯片的下方，广泛应用于CPU和DSP等多管脚、高性能芯片的集成封装。但在工业检测中BGA焊球因背景复杂的影响，难以进行大规模高精度的自动化检测。

发明内容

为解决上述技术问题，本发明的目的旨在提供一种基于改进全卷积网络的BGA焊球区域分割方法，实现对BGA图像的焊球高效清晰分割。

为了实现上述目的，本发明采用的技术方案如下：基于改进全卷积网络的BGA焊球区域分割方法，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。

进一步地，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,位深度为24位，图像保存为为.JPG格式；

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,目标区域像素设置为1，背景像素设置为0；

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，该规模从600张扩充到6000张，并通过程序将数据集按照4：1比例划分训练集和验证集，得到了训练集4800张和验证集1200张。

进一步地，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；