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一种基于卷积神经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：CN116245802B 。

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：202211594272.X，技术领域涉及：G06T7/00；该发明授权一种基于卷积神经网络的电子元器件缺陷识别方法及装置是由曾念寅;李新宇;吴佩树;胡立伟;刘浩楠;李寒设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种基于卷积神经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：本发明方法为一种基于卷积神经网络的电子元器件缺陷识别方法及系统，包括：采集包括缺陷的多个电子元器件的多模态融合图像，作为原始图像集；确定原始图像集中各电子元器件的缺陷类型和缺陷位置并进行标注，将已标注的数据划分为训练集和测试集；使用所述训练集对三模态融合卷积神经网络模型进行训练，并使用所述测试集对训练完的模型进行测试，当指标满足预设要求时，得到训练好的模型；将待识别电子元器件的多模态融合图像输入训练好的三模态融合卷积神经网络模型，获得待识别电子元器件的缺陷类型及缺陷位置。本发明能够识别出电子元器件可能出现的多种内部和表面缺陷。

本发明授权一种基于卷积神经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：1.一种基于卷积神经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多模态融合图像，作为原始图像集； S102，根据电子元器件缺陷界定标准，确定原始图像集中各电子元器件的缺陷类型和缺陷位置并进行标注，将已标注的数据划分为训练集和测试集； S103，使用所述训练集对三模态融合卷积神经网络模型进行训练，并使用所述测试集对训练完的三模态融合卷积神经网络模型进行测试，当指标满足预设要求时，得到训练好的三模态融合卷积神经网络模型； S104，将待识别电子元器件的多模态融合图像输入训练好的三模态融合卷积神经网络模型，获得待识别电子元器件的缺陷类型及缺陷位置； 所述多模态融合图像的获取方法包括： 对于各个单一电子元器件，在相同位置拍摄出一组光学、超声和红外图像，将这组三张图像融合为一张多模态高分辨率图像数据，不对原始图像做任何改变，仅做关联融合，即将三张相同位置的拍摄图片记为一组数据； 所述三模态融合卷积神经网络模型包括特征提取模块、特征融合模块和预测模块；所述特征提取模块包括三个独立通道，每个通道10个卷积层，分别用于提取光学、超声和红外数据；所述特征融合模块包括一个特征拼接操作和8个卷积层，将三个独立通道的输出作为输入，先进行Concat操作，再进行卷积操作，以进行特征融合；所述预测模块包括缺陷类别预测模块和缺陷位置预测模块，将所述特征融合模块的输出作为输入传入两个全连接层。

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。