.png){kind=icon}
返回
Adaptive transformer-augmented network for multi-type defect detection in ball grid array assemblies
.png){kind=icon}
PRE
AI
DOI：10.1007/s10845-026-02856-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
球栅阵列（BGA）封装因其高密度、良好的热管理和稳定的机械性能优势，已成为许多高性能电子产品的理想选择。其对应的焊点质量检测技术也得到了快速发展。然而，内部焊球的不可见性、BGA芯片型号的多样性以及焊接缺陷的复杂性，显著增加了对板载BGA芯片缺陷检测的技术挑战。传统的人工检测方法已无法满足现代工业生产对效率和精度的要求。为此，本研究深入探讨了BGA缺陷检测技术，重点关注BGA芯片型号多样性和焊接缺陷类型复杂性所带来的挑战。首先，我们构建了一个包含多种BGA缺陷类型的综合X射线数据集，涵盖29种不同的芯片型号。其次，提出了一种改进的DeepLabv3+模型。通过将Transformer编码器整合到原始架构中，该方法使BGA焊球和空洞缺陷的分割精度相比基线提升了4.49%。最后，为克服以往方法侧重于空洞检测而忽略其他关键缺陷类型的局限性，开发了一种集成方案，用于检测三种主要的BGA焊点缺陷：空洞、偏移和焊球尺寸变化。这扩大了可检测缺陷的范围，更好地满足了实际检测需求。
Keyword:
Ball Grid Array
Defect detection
Transformer
Semantic segmentation
X-Ray
期刊
IF:
7.4
论文数:
3.5K
被引数:
1.1W
机构
引用论文
A Comprehensive Survey of Image Augmentation Techniques for Deep Learning.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏分享收藏Dual-Path Adversarial Learning for Fully Convolutional Network (FCN)-Based Medical Image SegmentationVISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏Gradient-based learning applied to document recognition基于梯度的学习在文档识别中的应用PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFsDeepLab: 使用深度卷积网络、Atrous卷积和全连接crf进行语义图像分割OAAI
OAAI分享收藏
查看更多内容