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！

龙图腾网获悉深圳联宇华电子有限公司申请的专利基于机器视觉的芯片贴片检测方法及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：CN120107252B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510580107.6，技术领域涉及：G06T7/00；该发明授权基于机器视觉的芯片贴片检测方法及系统是由刘利平;高永海;韦相泳设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本基于机器视觉的芯片贴片检测方法及系统在说明书摘要公布了：本发明公开了基于机器视觉的芯片贴片检测方法及系统，利用CMOS工业相机，采集不同厂商的PCB板芯片贴片图片，获得原始图片数据集；对原始图片数据集进行人工标注和数据扩增，生成第一数据集和第二数据集；本发明设计了基于ResNet50的多任务网络，对第一数据集进行芯片分类与检测训练，获得芯片分类测试结果和芯片状态测试结果；之后，筛选，并对第二数据集进行轻量级YOLOv10模型训练，得出芯片缺陷测试结果，该发明实现了工厂对芯片类型和芯片缺陷的全方面检测，实现芯片检测精度和芯片检测效率的双重提升，提高工厂的自动化质量检测效率。

本发明授权基于机器视觉的芯片贴片检测方法及系统在权利要求书中公布了：1.基于机器视觉的芯片贴片检测方法，其特征在于，包括： 步骤S100，利用CMOS工业相机，采集不同厂商的PCB板芯片贴片图片，获得原始图片数据集； 步骤S200，对所述原始图片数据集进行第一处理，获得第一数据和第二数据，对所述第一数据和第二数据进行第二处理，生成第一数据集和第二数据集； 步骤S300，将所述第一数据集输入到基于ResNet50的多任务网络中，进行芯片分类与检测训练，获得芯片分类测试结果和芯片状态测试结果； 步骤S400，筛选所述第二数据集，并进行轻量级YOLOv10模型训练，得出芯片缺陷测试结果； 所述第一数据集包括：图片编号，图片存储位置，芯片型号和芯片状态； 所述第二数据集包括：图片编号，图片存储位置，芯片型号和芯片缺陷类型； 所述芯片型号包括：01、02和03； 所述芯片状态包括：正常状态和有缺陷状态； 所述芯片缺陷类型包括：A、B、C和D； 步骤S100具体包括： 对CMOS工业相机进行镜头微调，将所述CMOS工业相机的镜头放大倍率与不同厂商的芯片尺寸相匹配，并对三家不同厂商的PCB板芯片贴片进行芯片拍摄，获得原始图片数据集，所述原始图片数据集包括图片编号，图片存储路径和芯片型号； 步骤S300具体包括： 步骤S301，设计基于ResNet50的多任务网络，所述多任务网络包括芯片分类分支网络和状态检测分支网络； 步骤S302，将所述第一数据集输入到所述芯片分类分支网络进行训练，获得芯片分类测试结果； 步骤S303，将所述第一数据集输入到所述状态检测分支网络进行训练，获得芯片状态测试结果； 步骤S400具体包括： 根据所述第二数据集中的缺陷类型数据，并利用所述缺陷类型数据对所述轻量级YOLOv10模型进行训练； 使用ResNet50作为所述多任务网络的基础模型，将ResNet50中在阈值之前的层作为共享特征提取层，所述共享特征提取层包括初始卷积层和前两个残差阶段层，在阈值之后的层数针对芯片分类和状态检测两个任务分为两个分支； 所述芯片分类分支网络包括：图像通过所述共享特征提取层的卷积神经网络后，输出特征图，将所述特征图通过一个卷积层调整大小并进入平均池化层进一步降维，全连接层设置为1*1*3，通过分类损失激活函数进行分类，获得芯片型号分类结果，所述分类损失激活函数的计算表达式为： ； 其中，为分类损失值，为样本数量，为类别数量，为实际标签为的样本的概率，为所述多任务网络对于样本属于类别的预测概率； 所述状态检测分支网络包括：采用双层全连接结构，图片数据通过第一层全连接降低通道数量，并利用RELU激活，之后输入第二层全连接，提升通道数量至原始数量，用Sigmoid函数归一化处理，最后通过缺陷损失函数进行状态检测，获得状态检测结果，所述缺陷损失函数计算表达式为： ; 其中，为缺陷损失值，为状态检测分支网络输出预测，为真实标签值； 利用所述芯片分类分支网络的分类损失函数和所述状态检测分支网络的缺陷损失函数计算结果，获得最终损失，所述最终损失的计算表达式为： ; 其中，为总体损失函数，为权重因子；设置不同的权重因子，以全面考察多任务学习网络在任务之间权衡的效果，在每个的取值下，训练多任务学习网络，并通过在验证集上的性能进行准确率的评估来计算多任务网络模型的整体损失值，其中，权重因子为0.4； 所述第一处理包括：提取所述原始图片数据集，利用labelImg工具对所述原始图片数据集进行框级人工标注，利用人工标出芯片状态和芯片缺陷类型，将所述芯片状态和所述原始图片数据集保存为第一数据，筛选所述芯片状态为有缺陷的数据并与所述原始图片数据集一一对应，并保存为第二数据； 所述第二处理包括：对所述第一数据和第二数据进行数据扩增处理，对图片进行水平垂直翻转、高斯噪声扰动和随机旋转，将标注后的图片数据扩增三倍，获得第一数据集和第二数据集； 所述框级人工标注包括：利用人工筛选出所述原始图片数据集中有缺陷的图片数据，使用LabelImg，对所述有缺陷的图片数据进行矩形框标注，采用不同颜色的矩形框圈出图片中不同类别的缺陷类型，并生成对应的标签文档； 所述轻量级YOLOv10模型包括：设置训练的轮数、批处理大小、学习率、权重衰减，采用Adam优化算法，将所述第二数据集按照8：2的比例划分，代入到YOLOv10模型中进行训练，获得缺陷结果准确率，其中，设定YOLOv10模型的训练参数，训练轮数为200epochs，批处理大小为16，起始学习率为0.001，权重衰减为5e-4，将有缺陷数据集导入YOLOv10模型进行训练。

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深圳联宇华电子有限公司，其通讯地址为：518000 广东省深圳市宝安区石岩街道石龙社区德政路2号中泰信息技术产业园厂房A1栋五层；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”。