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！

龙图腾网获悉苏州工学院申请的专利一种芯片引脚锈斑的识别方法、装置及存储介质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：CN120088585B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510571384.0，技术领域涉及：G06V10/764；该发明授权一种芯片引脚锈斑的识别方法、装置及存储介质是由马文斌;刘建花;宇晓明;郑雷;张贵阳;祝正斌设计研发完成，并于2025-05-06向国家知识产权局提交的专利申请。

本一种芯片引脚锈斑的识别方法、装置及存储介质在说明书摘要公布了：本公开提供了一种芯片引脚锈斑的识别方法、装置及存储介质，包括：采用机器视觉对芯片引脚进行多角度拍摄，得到芯片引脚图像；将芯片引脚图像像素的灰度值输入到芯片引脚锈斑识别分类模型，确定芯片引脚图像所属的类别；其中芯片引脚锈斑识别分类模型基于卷积神经网络模型和隐马尔科夫模型构建；根据芯片引脚图像所属的类别，确定芯片引脚图像是否存在锈斑。本公开与现有技术相比，芯片引脚锈斑识别分类模型基于卷积神经网络模型和隐马尔科夫模型构建，自动化程度高，可以在短时间内完成大量芯片引脚的检测，适合大规模生产中的快速质量检测，且芯片引脚锈斑判断准确性具有明显的提升。

本发明授权一种芯片引脚锈斑的识别方法、装置及存储介质在权利要求书中公布了：1.一种芯片引脚锈斑的识别方法，其特征在于，包括： 采用机器视觉对存储的芯片的引脚进行多角度拍摄，得到芯片引脚图像； 将所述芯片引脚图像像素的灰度值输入到芯片引脚锈斑识别分类模型，确定所述芯片引脚图像所属的类别；其中，所述芯片引脚锈斑识别分类模型基于卷积神经网络模型和隐马尔科夫模型构建； 所述将所述芯片引脚图像像素的灰度值输入到芯片引脚锈斑识别分类模型，确定所述芯片引脚图像所属的类别，包括： 将所述芯片引脚图像像素的灰度值输入到卷积神经网络模型进行特征提取，得到第一数量个二维锈斑特征矩阵； 采用peano扫描将所述第一数量个二维锈斑特征矩阵转换为第一数量个隐马尔科夫链； 将所述第一数量个隐马尔科夫链输入到隐马尔科夫模型，确定所述芯片引脚图像所属的类别； 所述将所述第一数量个隐马尔科夫链输入到隐马尔科夫模型，确定所述芯片引脚图像所属的类别，包括： 将所述第一数量个隐马尔科夫链确定为所述隐马尔科夫模型第一数量个锈斑特征的可观测量； 根据所述第一数量个锈斑特征的可观测量，确定隐藏状态转移概率矩阵在所述第一数量个锈斑特征的可观测量下的条件概率乘积； 采用期望最大算法进行迭代确定隐马尔科夫模型的参数，直到满足迭代停止条件；在每一次迭代过程中，根据所述隐藏状态转移概率矩阵在所述第一数量个锈斑特征的可观测量下的条件概率乘积和当前代隐马尔科夫模型的参数，使用贝叶斯边缘后验模式确定隐藏状态为所述芯片引脚图像所属类别的概率； 所述隐马尔科夫模型的参数包括：状态概率向量、状态转移概率矩阵和观测概率矩阵； 所述根据所述隐藏状态转移概率矩阵在所述第一数量个锈斑特征的可观测量下的条件概率乘积和当前代隐马尔科夫模型的参数，使用贝叶斯边缘后验模式确定隐藏状态为所述芯片引脚图像所属类别的概率，包括： 根据所述隐藏状态转移概率矩阵在所述第一数量个锈斑特征的可观测量下的条件概率乘积、当前代的隐马尔科夫模型的参数中的所述状态概率向量、所述状态转移概率矩阵和所述观测概率矩阵，确定贝叶斯边缘后验模式的前向概率和后向概率； 根据所述前向概率和后向概率乘积，确定隐藏状态为所述芯片引脚图像所属类别的概率； 根据所述芯片引脚图像所属的类别，确定所述芯片引脚图像是否存在锈斑，包括： 根据所述隐藏状态为所述芯片引脚图像所属类别的概率的最大值，确定对应的隐马尔科夫模型的参数中的所述观测概率矩阵的线性加权值； 在所述线性加权值大于第二预设值的情况下，根据所述隐藏状态为所述芯片引脚图像所属类别的概率的最大值对应的芯片引脚图像所属类别，确定所述芯片引脚图像是否存在锈斑。

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苏州工学院，其通讯地址为：215500 江苏省苏州市常熟市南三环路99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”。