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！

龙图腾网获悉三峡大学申请的专利基于RMT深度学习模型的电子线路板瑕疵检测智能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：CN119850541B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411908106.1，技术领域涉及：G06T7/00；该发明授权基于RMT深度学习模型的电子线路板瑕疵检测智能方法是由黄文浩;吴锡铭;李文生;郭槟滔设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于RMT深度学习模型的电子线路板瑕疵检测智能方法在说明书摘要公布了：本发明公开了基于RMT深度学习模型的电子线路板瑕疵检测智能方法，涉及电子线路板检测技术领域，包括以下步骤：通过高分辨率摄像对电子线路板进行图像采集，并对图像进行去噪处理，减少环境因素和设备误差带来的噪声影响，为后续分析提供干净的输入图像。本发明通过结合卷积神经网络与随机矩阵理论，显著提升了电子线路板瑕疵检测的准确性与鲁棒性。CNN精确提取图像特征，RMT有效过滤噪声，增强模型稳定性。自适应算法与多任务学习优化训练过程，减少误检漏检，提高检测效率，从而提升了生产线自动化水平和检测精度。

本发明授权基于RMT深度学习模型的电子线路板瑕疵检测智能方法在权利要求书中公布了：1.基于RMT深度学习模型的电子线路板瑕疵检测智能方法，其特征在于，包括以下步骤： 通过高分辨率摄像对电子线路板进行图像采集，并对图像进行去噪处理； 采用卷积神经网络对采集到的电子线路板图像进行特征提取，卷积神经网络模型通过层卷积和池化操作，提取出图像中的局部和全局特征； 使用随机矩阵理论对深度学习模型提取的高维数据进行处理，通过构建数据矩阵，应用随机矩阵理论的特征分解方法，分析图像中存在的噪声模式，并通过统计分析方法进行噪声与瑕疵的区分； 具体步骤如下： 在CNN提取特征后，得到的一组高维数据，数据包含了图像的局部和全局特征； 利用RMT的特征分解方法，对构建的数据矩阵进行谱分析； 进行RMT的特征值分解后，使用RMT进行数据降噪时，通常会将特征值较小的部分，即噪声抑制掉，仅保留那些与瑕疵相关的特征值，通过设置阈值，将小于该阈值的特征值所对应的部分从数据矩阵中去除； 经过特征分解和噪声去除后，剩下的高维数据中包含了经过噪声过滤的图像特征； 基于深度学习算法，结合随机矩阵理论处理后的特征进行瑕疵的分类与检测，利用多任务学习方法，将图像瑕疵分类与定位问题进行联合优化； 在深度学习模型的基础上，引入自适应算法优化过程，通过改进的损失函数进行误差修正，采用基于梯度下降法的优化算法，结合随机矩阵理论提取的高维特征，对模型进行迭代优化。

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三峡大学，其通讯地址为：443002 湖北省宜昌市大学路8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。