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！

龙图腾网获悉河海大学申请的专利一种基于改进YOLOv5的小样本芯片外观缺陷检测方法及检测系统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：CN116228740B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310363269.5，技术领域涉及：G06T7/00；该发明授权一种基于改进YOLOv5的小样本芯片外观缺陷检测方法及检测系统是由陈俊风;成佳康;谢迎娟;王海滨设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种基于改进YOLOv5的小样本芯片外观缺陷检测方法及检测系统在说明书摘要公布了：本发明公开了一种基于改进YOLOv5的小样本芯片外观缺陷检测方法及检测系统，该方法包括获取有缺陷的图像作为原始数据集；利用原始数据集训练生成对抗网络，从而获得扩增数据集；在YOLOv5神经网络模型中引入CBAM注意力机制，获得改进YOLOv5：利用扩增数据集训练改进YOLOv5神经网络模型，获得缺陷检测模型；获取待测芯片的图片，并进行预处理后输入缺陷检测模型中进行检测，将检测出有缺陷的图片输入到显示器进行显示，根据显示的图片找出对应的芯片；该系统包括模型训练模块、图片采集模块、显示和打标模块。本发明解决了现有技术中基于YOLOv4网络构建的缺陷检测所用的深度学习网络模型存在着缺陷数据量过少容易导致网络模型过拟合的问题。

本发明授权一种基于改进YOLOv5的小样本芯片外观缺陷检测方法及检测系统在权利要求书中公布了：1.一种基于改进YOLOv5的小样本芯片外观缺陷检测方法，其特征在于，包括以下步骤： 步骤S1：获取多组图像，每张图像中包含二维阵列排列的芯片，对有缺陷的芯片进行激光标记，作为原始数据集； 步骤S2：利用原始数据集训练生成对抗网络，从生成对抗网络中获得扩增数据集； 步骤S3：在YOLOv5神经网络模型中引入CBAM注意力机制，获得改进YOLOv5，具体为：CBAM注意力机制为通道注意力和空间注意力的双重注意力机制，将引入CBAM注意力机制模块的YOLOv5神经网络模型的中间特征图作为输入特征图，CBAM注意力机制模块依次推断出一个通道注意力特征图和一个空间注意力特征图，将和输入特征图F做逐元素的乘法操作，生成空间注意力模块所需的过渡特征图F`，将和过渡特征图F`做逐元素乘法，得到CBAM注意力机制的最终特征图F``： ，`； 其中，F为输入的高为H，宽度为W，通道数为C的特征图，ⓧ为逐元素相乘，为通道注意力操作，为空间注意力操作； 所述的CBAM注意力机制模块推断出一个通道注意力特征图，具体为：将输入的特征图F分别经过基于高度H和宽度W的全局平均池化和全局最大池化，得到两个1×1×C的特征图，将两个1×1×C的特征图分别送同一个两层神经网络，第一层神经元个数为Cr，r为减少率，激活函数为ReLu函数，第二层神经元个数为C，进行1×1的卷积操作，实现跨通道的信息交互； 将双层神经网络输出的特征进行基于逐元素的加和操作，再经过Sigmoid激活操作，生成通道注意力特征图： ； 其中，为sigmoid函数，为平均池化，为最大池化，MLP为双层的神经网络，为将输入到双层神经网络得到的结果，为通道数为C的特征图F平均池化后的结果，为通道数为C的特征图F最大池化后的结果，为双层神经网络的第一层，为双层神经网络的第二层； 所述的CBAM注意力机制模块推断出一个空间注意力特征图，具体为：将中间特征图F`作为本模块的输入特征图，将F`经过基于通道C的全局最大池化和全局平均池化，得到两个H×W×1的特征图，将两个H×W×1特征图基于通道C做通道拼接操作，再经过一个7×7卷积操作，降维为1个通道，即H×W×1； 再经过BN归一化和Sigmoid激活生成空间注意力特征图： ； 其中，为sigmoid函数，为平均池化，为最大池化，为卷积操作，为通道数为S的特征图F平均池化后的结果，为通道数为S的特征图F最大池化后的结果； 步骤S4：利用扩增数据集训练引入CBAM注意力机制模块的改进YOLOv5神经网络模型，获得缺陷检测模型； 步骤S5：获取待测芯片的图片，并进行预处理； 步骤S6：将预处理后的图片输入缺陷检测模型中进行检测，将检测出有缺陷的图片输入到显示器进行显示，并将对应的芯片进行激光标记； 步骤S7：根据显示的图片找出对应的芯片。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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。