QFN 칩 패키징 결함 검사에서 이미지 분할 단계를 추가하면 결함 검출 정확도와 검사 효율성을 효과적으로 향상시킬 수 있습니다. 이미지 분할에서 기존 알고리즘의 낮은 효율성과 지능형 최적화 알고리즘의 낮은 분할 정밀도 및 불안정성 문제를 해결하기 위해, 본 논문에서는 개선된 회색늑대 최적화 알고리즘(IGWO)을 기반으로 한 다중 임계값 이미지 분할 방법을 제안합니다. 먼저 원래 회색늑대 최적화 알고리즘의 비선형 인자를 개선하여 알고리즘 탐색 효율과 탐색 능력의 균형을 맞춥니다; 둘째, 반전 학습 전략을 도입하여 집단 전체의 품질을 향상시키고, 사인 함수와 리더 늑대 가중치 조정을 통해 회색늑대 업데이트 전략을 개선하여 알고리즘의 다양성과 탐색 능력을 강화합니다; 그다음 리더 늑대 접근과 집단 변이가 교대로 진행되는 위치 업데이트 전략을 제안하여 알고리즘의 수렴 성능과 지역 최적 탈출 능력의 균형을 맞춥니다; 마지막으로 Kapur 엔트로피를 적합도 함수로 사용하여 최적 분할 임계값을 찾습니다. 본 논문에서 제안한 개선된 회색늑대 최적화 알고리즘 기반 다중 임계값 이미지 분할 방법은 회색늑대 최적화 알고리즘(GWO), 돌핀 뒤집기 먹이 전략 기반 회색늑대 최적화 알고리즘(DSF-GWO), 레비 비행 기반 멍게 군 최적화 알고리즘(LSSA), 개선된 북방 송골매 알고리즘(INGO) 기반 이미지 분할 방법과 실험 비교를 수행하였으며, 결과는 본 방법이 분할 소요 시간 측면에서 DSF-GWO의 약 절반, INGO의 1/4 수준임을 보여줍니다; 분할 정밀도 및 안정성 측면에서는 QFN 칩 결함 이미지 30회 연속 분할 시 본 방법이 최대 Kapur 엔트로피 평균값, 최소 표준편차 및 가장 짧은 분할 시간을 가짐을 확인하였습니다. 따라서 본 방법은 고정밀도, 고안정성 및 고효율 QFN 칩 이미지 다중 임계값 분할을 실현할 수 있습니다.

회색늑대 최적화 알고리즘;다중 임계값 분할;Kapur 엔트로피;QFN