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！

龙图腾网恭喜明益信(江苏)智能设备有限公司申请的专利基于卷积神经网络的微型芯片外观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：CN119693363B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202510200022.0，技术领域涉及：G06T7/00；该发明授权基于卷积神经网络的微型芯片外观缺陷检测方法是由仝敬烁;薛伟;仝浩杰;姜红亮;胡洪;刘凯强;谢美奇设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本基于卷积神经网络的微型芯片外观缺陷检测方法在说明书摘要公布了：本发明涉及一种基于卷积神经网络的微型芯片外观缺陷检测方法，包括获取高分辨率显微图像并进行自适应亮度均衡处理。采用分层标注策略对预处理图像中的缺陷特征进行标注，粗粒度分类标注将缺陷划分为表面形变类和材质异常类。基于标注数据构建双分支轻量化卷积神经网络模型，第一分支提取全局语义特征，第二分支提取局部细节特征。模型训练中采用缺陷敏感性损失函数进行优化，包括缺陷区域注意力、边缘保持及类别平衡损失项，以提升小尺寸缺陷检测能力、边界定位精度及应对样本不平衡问题。最终，通过输入待检测的预处理显微图像，生成包括缺陷类型、位置坐标及置信度得分的检测结果，具有高精度、针对性强的缺陷检测性能。

本发明授权基于卷积神经网络的微型芯片外观缺陷检测方法在权利要求书中公布了：1.一种基于卷积神经网络的微型芯片外观缺陷检测方法，其特征在于，包括：获取待检测微型芯片的高分辨率显微图像，并对所述显微图像进行自适应亮度均衡处理，生成预处理显微图像，其中，所述自适应亮度均衡处理通过计算图像局部区域的亮度均值和方差，动态调整每个像素点的亮度值；对所述预处理显微图像采用分层标注策略进行训练样本的缺陷特征标注，所述标注包括基于预处理显微图像进行粗粒度分类标注以将缺陷划分为表面形变类和材质异常类，并结合图像特征进行细粒度定位标注以生成包含具体缺陷类型及其位置坐标的标注样本数据；基于所述标注样本数据，构建并训练双分支轻量化卷积神经网络模型；在所述双分支轻量化卷积神经网络模型的训练过程中，应用缺陷敏感性损失函数对所述卷积神经网络模型进行优化训练，其中，所述缺陷敏感性损失函数包括：基于缺陷区域注意力机制的损失项以提升模型对小尺寸缺陷区域的检测能力，基于边缘特征保持的损失项以增强缺陷边界定位精度，以及基于类别平衡的损失项以缓解不同缺陷类型样本数量不平衡对检测性能的影响；将待检测的预处理显微图像输入训练后的双分支卷积神经网络模型，生成针对待检测微型芯片的缺陷检测结果，所述缺陷检测结果包括缺陷类型、缺陷位置坐标以及置信度得分；其中，所述双分支轻量化卷积神经网络模型包括输入层、第一分支，第二分支，自适应融合门控单元以及分类与回归单元；其中，所述输入层用于接收预处理显微图像，将接收到的图像数据标准化为适合模型处理的标准化显微图像张量；所述第一分支用于接收输入层提供的标准化显微图像张量，采用深度可分离卷积模块，通过分离空间卷积和通道卷积的计算，提取显微图像中的全局语义特征，获得全局语义特征图；所述第二分支用于接收输入层提供的标准化显微图像张量，采用空洞卷积模块，通过扩大感受野而不增加参数量，提取显微图像的局部细节特征，获得局部细节特征图；所述自适应融合门控单元用于接收所述全局语义特征图和局部细节特征图，通过门控单元，根据缺陷类型和尺度特征的不同，动态调整第一分支和第二分支的特征融合权重，生成综合特征图；所述分类与回归单元用于接收来自特征融合模块的综合特征图，通过全连接层和Softmax激活函数，实现对缺陷类型的分类；通过回归模块预测缺陷的具体位置坐标以及置信度得分；生成缺陷检测结果，所述缺陷检测结果包括缺陷类型、缺陷位置坐标以及置信度得分。

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明益信(江苏)智能设备有限公司，其通讯地址为：215300 江苏省苏州市昆山市玉山镇中华园西路1875号008、009幢；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”。