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！

龙图腾网获悉华南理工大学申请的专利基于缺陷修复的无监督电子元器件表面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：CN117952924B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202410096915.0，技术领域涉及：G06T7/00；该发明授权基于缺陷修复的无监督电子元器件表面缺陷检测方法是由高红霞;李冠基;陈山娇;赵金辉;李绍龙设计研发完成，并于2024-01-24向国家知识产权局提交的专利申请。

本基于缺陷修复的无监督电子元器件表面缺陷检测方法在说明书摘要公布了：本发明公开了一种基于缺陷修复的无监督电子元器件表面缺陷检测方法，包括：1采集电子元器件图像；2对电子元器件图像进行数据集划分和数据标注；3对训练集中的正常电子元器件图像，使用随机缺陷生成法和迁移式缺陷生成法构造缺陷电子元器件图像；4使用生成的缺陷电子元器件图像进行改进DRAEM模型的训练；5使用训练好的改进DRAEM模型，在测试集上进行测试，合并过程中产生的中间变量，完成检测结果并可视化输出。本发明可有效用于在仅有正常样本训练条件下的电子元器件表面缺陷检测，实现在零缺陷样本条件下的检测模型训练，降低了模型开发成本，优化了缺陷检测任务中的缺陷小样本问题，提高电子元器件的缺陷检测精度。

本发明授权基于缺陷修复的无监督电子元器件表面缺陷检测方法在权利要求书中公布了：1.基于缺陷修复的无监督电子元器件表面缺陷检测方法，其特征在于，包括以下步骤： 1）采集电子元器件图像； 2）对步骤1）中采集到的电子元器件图像进行数据集划分和数据标注；其中，数据集划分指的是将采集图像分为训练集和测试集，训练集中包含正常电子元器件图像，测试集中包含正常电子元器件图像和缺陷电子元器件图像；数据标注指的是标识电子元器件图像的类型和缺陷的位置； 3）对步骤2）训练集中的正常电子元器件图像，使用随机缺陷生成法和迁移式缺陷生成法构造缺陷电子元器件图像；其中，随机缺陷生成法借鉴了DRAEM模型中的伪缺陷生成算法，通过剪切粘贴COCO数据集的随机块以完成缺陷的生成；迁移式缺陷生成法通过迁移公开数据集上的缺陷特征生成缺陷； 4）使用步骤3）中生成的缺陷电子元器件图像，进行改进DRAEM模型的训练；原DRAEM模型包含负责修复缺陷的缺陷修复模块和负责判别缺陷位置的缺陷鉴别模块；在缺陷修复模块中，改进DRAEM模型使用矢量量化技术进行缺陷修复，鲁棒性更强；在缺陷鉴别模块中，改进DRAEM模型使用多尺度特征对比方法，定位精度更高； 缺陷修复模块采用了矢量量化技术，对正常纹理特征进行量化记录，并在测试阶段使用正常纹理特征替换缺陷纹理特征，从而实现缺陷的修复；缺陷修复模块由编码器、纹理字典和解码器组成；编码器的作用是提取缺陷电子元器件图像中的特征；纹理字典的作用是通过最近邻搜索的方式将转换成量化特征；编码器的功能是将特征映射成与输入图像等尺度的修复图像； 缺陷鉴别模块由表征模块和多尺度特征相似度鉴别模块组成；其中，表征模块由Resnet18的前三个残差模块层、和组成，其能对缺陷电子元器件图像和修复图像进行表征，从而得到、、、、和，其中和分别是缺陷电子元器件图像和修复图像在处的输出表征，；多尺度特征相似度鉴别模块由多个特征相似度鉴别模块FSDM组成，对于同尺度的特征和，使用特征相似度鉴别模块FSDM进行缺陷定位，首先通过不同空洞率的卷积操作扩大模型的感受野，对特征进行重组得到重组特征和；然后通过拼接和1×1卷积操作到对应尺度的定位结果，并通过上采样操作得到与输入样本尺寸一致的分割结果，即缺陷定位结果；对于三个尺度特征得到的缺陷定位结果、和，通过拼接和1×1卷积操作融合得到最终缺陷定义结果； 5）使用训练好的改进DRAEM模型，在测试集上进行测试，合并过程中产生的中间变量，完成检测结果并可视化输出。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。

以上内容由龙图腾AI智能生成。