论文部分内容阅读
为了分割QFN表面的缺陷，提出一种基于反向萤火虫算法的大津多阈值分割法。首先，将大津阈值分割扩展为大津多阈值分割。其次，提出了一种基于反向学习的萤火虫算法。在该算法中，生成的反向萤火虫用于增加萤火虫的多样性和全局搜索能力。然后，将基于反向学习的萤火虫算法应用于多阈值分割。最后，使用所提出的方法对QFN缺陷图像进行阈值分割实验，并将结果与穷举法、基于粒子群算法的大津多阈值分割法、基于萤火虫算法的大津多阈值分割法进行比较。实验结果表明，所提方法能更有效地分割QFN表面缺陷，且分割速度快。