买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽工业大学申请的专利一种结合深度学习的塑封芯片内部缺陷检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116030039B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310155975.0，技术领域涉及：G06T7/00；该发明授权一种结合深度学习的塑封芯片内部缺陷检测方法是由黄仙山;杨舟;程莹;陶新宇设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本一种结合深度学习的塑封芯片内部缺陷检测方法在说明书摘要公布了：本发明公开了一种结合深度学习的塑封芯片内部缺陷检测方法，属于芯片缺陷检测技术领域。本发明包括：S1：获取塑封芯片的超声波扫描图像，利用改进后的神经网络算法对图像进行芯片目标检测；S2：对获得的芯片图像进行传统图像算法分析，实现芯片缺陷的检测；所述的神经网络包含主干提取网络、改进后的特征融合网络和YOLOHead结构，改进后的特征融合网络将主干提取网络得到的三个特征向量经过YOLOv5网络中的金字塔特征融合FPN和PAN网络加强融合，得到加强后的特征向量，并融合原来的特征向量，得到改进后的特征融合向量。本发明结合深度学习与传统算法对超声波扫描图像进行处理，能够快速识别像素级别的缺陷类型与分布。

本发明授权一种结合深度学习的塑封芯片内部缺陷检测方法在权利要求书中公布了：1.一种结合深度学习的塑封芯片内部缺陷检测方法，其特征在于，包括如下步骤： S1：获取塑封芯片的超声波扫描图像，利用改进后的神经网络算法对超声波扫描图像进行芯片目标检测，获得超声波扫描图像中每一个目标芯片图像； S2：对获得的芯片图像进行传统图像算法分析，实现芯片缺陷的检测；采用传统图像算法进行分析的过程包含： S21：使用图像灰度化、图像二值化算法实现芯片区域与背景的简单分割，结合图像膨胀与腐蚀去除图像噪声，对分割后的二值图像进行边缘检测，得到芯片的边缘区域，进一步的进行最小外接矩形的提取，得到芯片区域的最小外接矩形，按照最小外接矩形进行裁剪，得到准确的芯片区域； S22：对准确芯片区域图像进行图像灰度化，并分别按照图像行列方向进行像素值累加，得到两个一维向量；将两个一维向量分别求解最小值与第二小值，按照第二小值进行阈值分割，对分割后的两个一维向量求解上升沿与下降沿位置，计算大于阈值的宽度，比较这两个宽度获得芯片的方向位置；获得芯片方向后，对图像进行旋转，保持芯片方向一致，得到旋转方向后的图像； S23：对旋转矫正后的图像进行潜在缺陷区域提取，获得图像的三个通道，对红色通道与绿色通道进行处理，使用两倍红色通道像素值减去绿色通道的像素值，得到单通道图像；对得到的单通道图像进行阈值分割，得到红色缺陷区域的二值图像； S24：对得到的二值图像，进行图像连通域计算，得到所有潜在缺陷区域连通域的大小与位置；计算潜在缺陷区域与ROI区域的交并比与潜在缺陷连通域的大小，判断潜在缺陷区域是否为芯片缺陷；并对每一个芯片进行计算判断，结合芯片位置，在超声波扫描图像上显示每个芯片是否存在缺陷； 所述改进后的神经网络包含主干提取网络、改进后的特征融合网络和YOLOHead结构，改进后的特征融合网络将主干提取网络得到的三个特征向量经过YOLOv5网络中的金字塔特征融合FPN和PAN网络进行加强融合，得到加强后的特征向量，并融合原来的特征向量，得到改进后的特征融合向量； 所述的主干提取网络包括：Focus模块、第一卷积模块、第一C3模块、第二卷积模块、第二C3模块、第三卷积模块、第三C3模块、第四卷积模块、SPP模块和第四C3模块，将第二C3模块输出、第三C3模块输出、第四C3模块输出作为三个不同尺寸的特征向量； Focus模块将输入图像每隔一个提取一个像素；所有卷积模块均由二维卷积、batchnormalization模块、激活函数组成；所有C3模块则由多个残差结构组成；SPP模块是经过多个不同尺寸卷积后进行叠加而成； 主干提取网络得到的三个不同尺寸的特征向量通过CBAM注意力机制进行训练资源的重新分配，得到重新分配后的特征向量，分别命名为第一特征向量、第二特征向量、第三特征向量；将三个特征向量输入到FPN+PAN金字塔进行特征融合，特征融合后的三个特征向量再次与对应输入特征向量进行叠加融合，得到增强后的特征，最后通过YOLOHead结构得到三个输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽工业大学，其通讯地址为：243002 安徽省马鞍山市花山区湖东路59号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。