基于U-Net方法与合成数据的球栅阵列空洞区域分割
图像与视频处理
2019-07-10 v1 机器学习
摘要
通过检测和测量空洞对焊球进行质量检验，对于改善电子电路中的基板良率问题十分重要。通常，该检验基于2D或3D X射线图像人工进行。为实现高质量检验，通过人工方式高精度、高重复性地对空洞进行检测与测量十分困难，且过程耗时。在高质量与快速检验的需求下，已有多种方法被提出，但由于过孔、镀层或过孔反射、光照不均、噪声及类空洞伪影等多种挑战，这些方法难以在所有这些困难条件下奏效。近来，深度学习方法在各种计算机视觉任务中展现出卓越精度。考虑到高质量与快速检验的需求，本文应用U-Net对焊球中的空洞区域进行分割。由于难以获得涵盖所有空洞变化的标注数据集，我们提出了一种生成合成数据集的方法。所提方法能够分割空洞，并可轻松扩展至各类电子产品。
引用
@article{arxiv.1907.04222,
title = {Void region segmentation in ball grid array using u-net approach and synthetic data},
author = {Vijay Kumar Neeluru and Vikas Ahuja},
journal= {arXiv preprint arXiv:1907.04222},
year = {2019}
}