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！

龙图腾网获悉厦门大学申请的专利基于多任务多尺寸网络的电子元器件缺陷识别方法及装置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：CN116228637B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211594083.2，技术领域涉及：G06T7/00；该发明授权基于多任务多尺寸网络的电子元器件缺陷识别方法及装置是由曾念寅;张雨晴;吴佩树;李寒;胡立伟;刘浩楠设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本基于多任务多尺寸网络的电子元器件缺陷识别方法及装置在说明书摘要公布了：本发明方法一种基于多任务多尺寸网络的电子元器件缺陷识别方法及装置，包括：采集包括缺陷的多个电子元器件的高清晰度工业级图像，作为缺陷图像数据集；确定缺陷图像数据集中各电子元器件的缺陷位置和缺陷类型并进行标注，将已标注的图像集划分为训练集和测试集；使用训练集对多任务多尺寸网络模型进行训练，获得损失最小的多任务多尺寸网络模型；使用测试集对损失最小的多任务多尺寸网络模型进行测试，获得Dice系数和准确率Accuracy最大的最优的多任务多尺寸网络模型；将待识别电子元器件的图像输入最优的多任务多尺寸网络模型，获得待识别电子元器件的缺陷位置及缺陷类型。本发明能够识别出电子元器件的缺陷位置及缺陷类型，提高识别的效率和精度。

本发明授权基于多任务多尺寸网络的电子元器件缺陷识别方法及装置在权利要求书中公布了：1.一种基于多任务多尺寸网络的电子元器件缺陷识别方法，其特征在于，包括： S101，采集包括缺陷的多个电子元器件的高清晰度工业级图像，作为缺陷图像数据集； S102，根据电子元器件运行正常和产生缺陷的界定标准，确定缺陷图像数据集中各电子元器件的缺陷位置和缺陷类型并进行标注，将已标注的图像集划分为训练集和测试集； S103，使用所述训练集对多任务多尺寸网络模型进行训练，获得损失最小的多任务多尺寸网络模型；使用所述测试集对损失最小的多任务多尺寸网络模型进行测试，获得Dice系数和准确率Accuracy最大的最优的多任务多尺寸网络模型； S104，将待识别电子元器件的图像输入最优的多任务多尺寸网络模型，获得待识别电子元器件的缺陷位置及缺陷类型； 所述S101，具体包括： 采集包含光学、超声和红外检测的电子元器件外部缺陷的高清晰度工业级原始RGB图像数据； 基于电子元器件运行正常和产生缺陷的界定标准，获取电子元器件所包括的缺陷类型； 基于电子元器件运行正常和产生缺陷的界定标准，定位电子元器件的缺陷位置并标注，获得缺陷位置掩膜，将缺陷位置掩膜用灰度图进行存储； 根据所述缺陷位置，采用边缘检测算法将获取的缺陷位置掩膜灰度图进行边缘提取操作获得缺陷边缘掩膜，将缺陷边缘掩膜用灰度图进行存储； 采用自适应轮廓外包法将缺陷从原始RGB图像数据中分割出来，保存新的最小正矩形作为缺陷局部图像，并赋予对应缺陷类型标签； 将获取的级原始RGB图像、缺陷位置掩膜图、缺陷边缘掩膜图和缺陷局部图像通过数据增强操作对数据集在数量上和形式上进行扩充； 所述多任务多尺寸网络模型包括缺陷定位模块和缺陷类型识别模块； 所述缺陷定位模块，包括缺陷定位支路、缺陷边缘定位支路和信息融合单元；所述缺陷定位支路以原始RGB图像的RGB特征信息为输入，通过多尺度分支网络获得多分辨率信息；所述缺陷边缘定位支路，将原始RGB图像转换成LAB图像的LAB特征信息作为输入，采用对称网络结构和特征连接操作，学习边缘信息，获得缺陷边缘掩膜；将边缘信息与多分辨率信息流入信息融合单元，获得预测缺陷位置掩膜； 所述缺陷类型识别模块，将采用自适应轮廓外包最小矩形提取法对缺陷进行分割获取的缺陷信息依次输入具备残差连接的主干网络、注意力单元和分类器中，输出预测缺陷类型。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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。