第41卷第1期2023年1月MACHINERY&ELECTRONICSVol.41No.1Jan.2023收稿日期:20220706基金项目:山西省重点研发计划(201803D121069);山西省高等学校科技创新项目(2020L0624);山西省信息探测与处理重点实验室基金(ISPT20205)作者简介:曹鹏娟(1998-),女,山西忻州人,硕士研究生,研究方向为图像处理等;王明泉(1970-),男,博士,教授,博士研究生导师,研究方向为图像处理与重建,通信作者。基于改进UNet的球栅阵列气泡缺陷检测方法曹鹏娟,王明泉,范涛,朱榕榕,刘嘉宇(中北大学仪器科学与动态测试教育部重点实验室,山西太原030051)摘要:针对现有基于深度学习的图像分割算法在球栅阵列(BGA)焊点气泡检测中检测效率较低,无法满足工业生产中实时性的检测需求,提出了一种基于改进UNet的球栅阵列缺陷识别方法。该方法在现有的UNet经典网络的基础上提出用深度可分离卷积与密集连接结合的轻量密集连接单元替换常规的卷积单元,同时添加多尺度跳跃连接减少编解码特征之间的差异,实现针对BGA焊点气泡的精确分割和提取。采用自建数据集对该方法的有效性进行实验,结果表明,改进的UNet模型网络在减少UNet网络计算复杂度的同时提升了网络性能,能够增加BGA焊点气泡的检测效率。关键词:UNet;深度可分离卷积;密集块;图像分割中图分类号:TP391.4;TN405文献标志码:A文章编号:10012257(2023)01002005DefectDetectionMethodofBubbleinBallGridArrayBasedonImprovedUNetCAOPengjuan,WANGMingquan,FANTao,ZHURongrong,LIUJiayu(KeyLaboratoryofInstrumentationScienceandDynamicMeasurement(MinistryofEducation),NorthUniversityofChina,Taiyuan030051,China)Abstract:Aimingatthelowdetectionefficiencyofexistingimagesegmentationalgorithmsbasedondeeplearninginballgridarray(BGA)solderspotbubbledetection,whichcannotmeettherealtimede-tectionrequirementsinindustrialproduction,adefectrecognitionmethodbasedonimprovedUNetforballgridarrayisproposed.BasedontheexistingUNetclassicalnetwork,thismethodproposestoreplacetheconventionalconvolutionunitwithalightweightdenseconnectionunitcombiningdeepseparablecon-volutionanddenseconnection,andaddmultiscalejumpconnectiontoreducethedifferencesamongcodecfeatures,soastoachieveaccuratesegmentationandextractionofBGAsolderjointbubbles.TheresultsshowthattheimprovedUNetmodelnetworkimprovesnetworkperforman...
