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！

龙图腾网获悉上海工程技术大学申请的专利一种针对QFN芯片中少样本缺陷的检测算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：CN114937005B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202210471824.1，技术领域涉及：G06T7/00；该发明授权一种针对QFN芯片中少样本缺陷的检测算法是由郭志慧;李志伟;周婕;赵剑光;郑照;肖新杰设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本一种针对QFN芯片中少样本缺陷的检测算法在说明书摘要公布了：本发明提供了一种针对QFN芯片中少样本缺陷的检测算法，属于计算机视觉技术领域。该技术方案具体包括：获取框架上下表面图片，选取ROI区域并进行裁剪；使用标注软件进行数据标注；将标注后的图片划分为多样本缺陷数据集和少样本缺陷数据集；构建孪生Faster‑RCNN网络模型，使用多样本缺陷数据集进行元学习训练；利用训练好的模型对少样本缺陷数据集进行测试，得到图片的缺陷检测结果并进行评估；根据实际生产需求及检测效果重复以上操作，得到最终模型。本发明通过改进现有Faster‑RCNN网络结构和训练流程中数据采样方法，降低了对少样本缺陷数据量的需求。将推理模型转化为相似度计算模型，该算法具有良好的扩展性。

本发明授权一种针对QFN芯片中少样本缺陷的检测算法在权利要求书中公布了：1.一种针对QFN芯片中少样本缺陷的检测算法，其特征在于，包括如下步骤： 1获取框架上下表面图片，对所述图片选取ROI区域并进行裁剪； 2使用标注软件对裁剪后的所述图片的ROI区域进行数据标注，生成位置类别标签； 3将标注后的所述图片划分为多样本缺陷数据集和少样本缺陷数据集； 4构建孪生Faster-RCNN网络模型，将所述多样本缺陷数据集中的图片输入所述孪生Faster-RCNN网络模型进行元学习训练，获得训练好的模型； 所述孪生Faster-RCNN网络模型是在Faster-RCNN网络上加入孪生分支，所述孪生分支与所述Faster-RCNN的backbone网络共享参数结构用于提取图片特征向量，将孪生分支输出的特征向量与原有Faster-RCNN中通过ROIPooling层获得的特征向量进行逐通道点积，在特征维度求向量相似度并将相似度特征向量代替经过ROIPooling层获得的特征向量输入predictorhead层； 4.1多样本缺陷数据集中随机选取N种缺陷，在所述N种缺陷中随机选取一种缺陷抽取K+1张图片，其中K张图片加入支持集SupportSet，另一张图片作为查询集QuerySet，对剩余N-1种缺陷每种随机抽取K张图片加入所述支持集SupportSet； 4.2将所述支持集SupportSet中的N*K张图片与其对应的所述位置类别标签输入所述孪生分支获得N*K个特征向量； 4.3将所述查询集QuerySet中的图片输入所述Faster-RCNN网络，经过ROIPooling生成的特征向量与所述孪生分支获得的N*K个特征向量分别计算相似度，再将得到的相似度向量输入predictorhead层中进行分类和精确定位； 4.4通过损失函数计算位置和类别损失； 4.5设定循环次数，循环4.1～4.4计算多次循环平均损失并通过梯度反向传播学习参数进行参数更新； 5利用所述训练好的模型对所述少样本缺陷数据集中的图片进行测试，得到图片的缺陷检测结果并进行评估； 6根据实际生产需求及检测效果重复步骤3～5若干次，得到最终模型投入生产。

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上海工程技术大学，其通讯地址为：201620 上海市松江区龙腾路333；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”。