QFNチップパッケージの欠陥検出において、画像分割の段階を追加することで、欠陥検出の精度と効率を効果的に向上させることができます。画像分割における伝統的なアルゴリズムの効率低下や、スマート最適化アルゴリズムの分割精度および安定性の問題に対処するために、本論文では改良されたグレイウルフ最適化アルゴリズム（IGWO）に基づく多閾値画像分割法を提案します。まず、元のグレイウルフ最適化アルゴリズムの非線形因子を改良し、アルゴリズムの探索効率と発掘能力のバランスを取ります。次に、逆学習戦略を導入して集団全体の質を向上させ、正弦関数およびリーダーウルフの重み調整を取り入れてグレイウルフの更新戦略を改良し、アルゴリズムの多様性と発掘能力を強化します。その後、リーダーウルフの接近と集団変異を交互に行う位置更新戦略を提案し、アルゴリズムの収束性能と局所最適脱出能力のバランスを取ります。最後に、適応度関数としてKapurエントロピーを用いて最適な分割閾値を求めます。本論文で提案した改良グレイウルフ最適化アルゴリズムに基づく多閾値画像分割法を、グレイウルフ最適化アルゴリズム（GWO）、バック転探索戦略に基づくグレイウルフ最適化アルゴリズム（DSF-GWO）、レヴィ飛行に基づくホヤ群最適化アルゴリズム（LSSA）、改良北方ハヤブサアルゴリズム（INGO）に基づく画像分割法と比較実験を行い、結果は本手法が分割時間においてDSF-GWOの約1/2、INGOの1/4であることを示しました。分割精度と安定性においては、QFNチップ欠陥画像の連続30回分割時に、本手法が最大のKapurエントロピー平均値、最小の標準偏差および最短の分割時間を有していることが確認されました。よって、本手法は高精度、高安定性、高効率なQFNチップ画像の多閾値分割を実現可能です。

グレイウルフ最適化アルゴリズム;多閾値分割;Kapurエントロピー;QFN