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！

龙图腾网获悉中国科学技术大学申请的专利基于增量学习的印刷电路板缺陷检测方法及设备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：CN115908340B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211509742.8，技术领域涉及：G06T7/00；该发明授权基于增量学习的印刷电路板缺陷检测方法及设备是由康宇;史珂豪;柏鹏;许镇义;曹洋设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本基于增量学习的印刷电路板缺陷检测方法及设备在说明书摘要公布了：本发明的一种基于增量学习的印刷电路板缺陷检测方法及设备，包括以下步骤，步骤1：对于增量任务中的PCB缺陷基类的训练，采用标准的分类流程；步骤2：对于PCB缺陷增量类的训练，首先采用随机事件选择产生可扩展特征表示并计算缺陷原型特征；步骤3：采用动态关系投影构建PCB旧类缺陷原型特征和新类缺陷样本之间的相关矩阵；步骤4：将新旧类缺陷样本之间的相关矩阵和从PCB新类缺陷提取的特征一起经过分类器计算损失并优化。本发明利用随机事件选择提高PCB缺陷类特征表示的可扩展性和优化能力；利用自我提升的缺陷原型细化机制增强新类缺陷杂铜、杂散以及偏移等的表达能力，同时保留PCB原有缺陷漏孔、鼠咬、开路及短路等之间的关系特征。

本发明授权基于增量学习的印刷电路板缺陷检测方法及设备在权利要求书中公布了：1.一种基于增量学习的印刷电路板缺陷检测方法，其特征在于，包括以下步骤， 步骤S1：对于增量任务中的PCB缺陷基类的训练，采用标准的分类流程； 步骤S2：对于PCB缺陷增量类的训练，首先采用随机事件选择产生可扩展特征表示并计算缺陷原型特征； 步骤S3：采用动态关系投影构建PCB旧类缺陷原型特征和新类缺陷样本之间的相关矩阵； 步骤S4：将新旧类缺陷样本之间的相关矩阵和从PCB新类缺陷提取的特征一起经过分类器计算损失并优化； 所述步骤S2具体包括如下细分步骤S21至S23： S21：在学习过程中引入随机事件选择策略，并在每次迭代中生成一个N类别缺陷，每类缺陷拥有K个缺陷样本的增量事件；将query图像Q和一个从PCB缺陷基训练集X1中随机选择的N类别缺陷K样本集合C输入到缺陷检测模型中； S22：在每次迭代中，从已知缺陷标签空间中随机抽取N个类别的缺陷，然后选择K个样本作为特征提取器；对每个PCB缺陷类所获得的嵌入数取平均值： S23：假设这N个类别的缺陷在这次迭代之前没有被看到，它们相应的原型将被消除； 所述步骤S3具体包括如下细分步骤S31至S33： S31：利用自我提升原型细化机制保持PCB原有缺陷的依赖性，增强对PCB新类缺陷的区分能力；首先，缺陷类嵌入和旧类缺陷原型特征被转换为一个共享的潜在空间； S32：计算这个空间中的旧类缺陷和新类缺陷之间的余弦相似性，从而得到新旧类PCB缺陷之间的关系矩阵； S33：将关系矩阵作为缺陷原型特征细化的转移系数。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。