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！

龙图腾网获悉北京德智矩阵科技有限公司;德中(深圳)激光智能科技有限公司;广东德智光学有限公司;江苏德智半导体科技有限公司申请的专利一种基于多模态模型的PCB缺陷跨域协同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：CN120765629B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511022157.9，技术领域涉及：G06T7/00；该发明授权一种基于多模态模型的PCB缺陷跨域协同检测方法是由曹峰;闫朋雷;周崇山;何生茂设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本一种基于多模态模型的PCB缺陷跨域协同检测方法在说明书摘要公布了：本发明提供了一种基于多模态模型的PCB缺陷跨域协同检测方法，包括采集X射线图像和光学图像，采用VisionTransformer模型处理X射线图像和光学图像，得到视觉特征。采用BERT模型处理生产日志文本，得到文本特征。采用交叉注意力机制对视觉特征和文本特征进行特征对齐，得到融合特征。对融合特征进行缺陷分类，得到PCB缺陷类型。通过VisionTransformer模型来处理X射线图像和光学图像，能够同时捕捉PCB缺陷的内部特征和PCB缺陷的表面特征。通过BERT模型对生产日志文本进行理解和分析，提取与缺陷相关的工艺参数信息。通过交叉注意力机制对视觉特征和文本特征进行特征对齐，从而实现了多模态数据之间的特征融合。

本发明授权一种基于多模态模型的PCB缺陷跨域协同检测方法在权利要求书中公布了：1.一种基于多模态模型的PCB缺陷跨域协同检测方法，其特征在于，包括： 采集X射线图像和光学图像； 采用VisionTransformer模型处理X射线图像和光学图像，得到视觉特征； 采用BERT模型处理生产日志文本，得到文本特征； 采用交叉注意力机制对视觉特征和文本特征进行特征对齐，得到融合特征； 构建对比学习损失函数； 构建掩码自编码损失函数； 将所述对比学习损失函数和所述掩码自编码损失函数相加，得到最终损失函数； 采用所述最终损失函数对待训练分类模型进行训练，得到训练后分类模型； 对所述融合特征进行缺陷分类，得到PCB缺陷类型； 所述采用交叉注意力机制对视觉特征和文本特征进行特征对齐，得到融合特征，包括： 采用以下公式提取融合特征： ； 其中，Q为文本特征的查询矩阵，K为视觉特征的键矩阵，V为视觉特征的值矩阵，softmax为归一化指数函数，dk为视觉特征的键矩阵的向量长度，CrossAttnQ,K,V为融合特征； 所述构建掩码自编码损失函数，包括： 采用以下公式构建掩码自编码损失函数： ； 其中Lmae为所述掩码自编码损失函数，为掩码样本总数，xi为第i个输入样本，为第i个输入样本的期望值； 所述构建掩码自编码损失函数之前，还包括： 确定掩码样本总数； 在每个掩码样本中生成rp个形状和位置均随机的掩码，其中，rp≥1；掩码区域占样本总区域的比例与信息密度呈反比； 所述在每个掩码样本中生成rp个形状和位置均随机的掩码，包括： 在第一范围内随机生成第一随机数，所述第一随机数为正整数，所述第一范围的最小值为1，所述第一范围的最大值为5； 在所述掩码样本的宽度和高度范围内，随机生成第二随机数和第三随机数；所述第二随机数为正整数或小数，所述第三随机数为正整数或小数； 将所述第二随机数作为中心横坐标，将所述第三随机数作为中心纵坐标，生成与所述第一随机数对应的掩码区域；所述掩码区域为圆形、椭圆形、矩形、三角形或星形。

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北京德智矩阵科技有限公司;德中(深圳)激光智能科技有限公司;广东德智光学有限公司;江苏德智半导体科技有限公司，其通讯地址为：100085 北京市海淀区安宁庄西路9号院25号楼3层3-309；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。