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！

龙图腾网获悉北京时代民芯科技有限公司;北京微电子技术研究所申请的专利基于核范数最小化和机器学习的芯片缺陷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：CN116228707B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310180100.6，技术领域涉及：G06T7/00；该发明授权基于核范数最小化和机器学习的芯片缺陷检测方法及系统是由田梦珂;王勇;林鹏荣;黄颖卓;谢晓辰;徐士猛设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本基于核范数最小化和机器学习的芯片缺陷检测方法及系统在说明书摘要公布了：基于核范数最小化和机器学习的芯片缺陷检测方法及系统，方法包括步骤：对采集的芯片缺陷数据，使用基于核范数最小化的背景分离方法将图像前景和背景分离；通过霍夫曼变换识别出前景图像的焊盘位置，将其对应像素置0消除焊盘图像；使用腐蚀、膨胀等图像处理技术处理消除噪点，实现缺陷区域连接；搜寻图像中所有缺陷区域，得到缺陷区域的最小边界框；采用K‑Means聚类的算法对不同种类缺陷图像进行缺陷标注，形成缺陷数据集；利用训练集和测试集，最终形成端到端的深度神经网络芯片缺陷分类集群算法模型。本发明方法能实现实时准确地集成电路芯片表面缺陷识别、分类和定位。

本发明授权基于核范数最小化和机器学习的芯片缺陷检测方法及系统在权利要求书中公布了：1.基于核范数最小化和机器学习的芯片缺陷检测方法，其特征在于，包括： 对采集的芯片缺陷图片利用核范数最小化的背景分离技术分离图片前景和背景，得到前景图像和背景图像；所述前景图像包括芯片焊球以及芯片缺陷图像，背景图像包括芯片布线； 对分离后的前景图像，利用霍夫曼变换消除焊球图像，利用腐蚀和膨胀图像处理方法消除噪点，并且利用图像连通算法得到连通区域的最小边界框，该最小边界框内的图像即为缺陷图像；针对缺陷图像，采用K-Means聚类的算法对不同种类缺陷图像进行缺陷标注，形成n个缺陷数据，组成训练数据集表示为{di},i＝1,…n；每一个缺陷数据用二元组di＝[I,c]表示，其中I为此处缺陷经过边界框框出的原始图像，c为缺陷所属类别；将训练数据集输入卷积神经网络分类算法集群，完成对卷积神经网络CNN的图像分类模型训练，保存得到的图像分类模型； 利用核范数最小化的背景分离技术，对需判别的m张新芯片图像完成图片前景和背景的分离；对分离后的前景图像，利用霍夫曼变换消除焊球图像，利用腐蚀和膨胀图像处理方法消除噪点，并且利用图像连通算法得到连通区域的最小边界框，该最小边界框内的图像即为m张新芯片图像中的缺陷图像；将得到的缺陷图像输入保存的卷积神经网络CNN的图像分类模型，从而得到m张新芯片图像缺陷类型和位置； 所述对采集的芯片缺陷图片利用核范数最小化的背景分离技术分离图片前景和背景，包括： 建立图像分离的条件目标函数，求解图像前景和背景L1范数最小值，所述条件目标函数如下： s.t.A+B＝C 其中A为前景图像，B为背景图像，C为原始图像转为灰度图像，‖·‖l为L1范数，即矩阵每个元素的绝对值之和，‖·‖*为核范数，即矩阵奇异值之和；γ为预先设定的超参数； 将条件目标函数变换转换为半正定规划形式，利用SDP求解器即可得到A；将图像A输入卷积神经网络CNN完成缺陷定位； 所述利用霍夫曼变换消除焊球图像，包括： 对前景图像各像素扫描，利用Canny边缘检测算法确定疑似边缘位置点对所有位置点以r为半径做圆，多个圆相交点即为圆心的候选点；根据参数投票策略，当以a,b为圆心、以r为半径的相交圆个数大于某一阈值A时，即可确定以a,b为圆心，以r为半径的焊盘位置，然后通过将圆形内部像素置0消除这些焊盘的图像，最终完成消除焊球图像； 所述利用腐蚀和膨胀图像处理方法消除噪点，包括： 自定义卷积核B；将卷积核B与分离后的前景图像A进行卷积，计算卷积后分别得到了卷积核B覆盖图像A区域像素点的最大值和最小值； 将计算得到的最大值和最小值赋值给图像A对应区域的像素，得到B腐蚀A和B膨胀A之后的图像； 所述利用图像连通算法得到连通区域的最小边界框，包括： 采用边缘检测算子对分离后的前景图像进行边缘提取，每一个缺陷区域均用一个闭合曲线表示，即为边缘图像；对得到的边缘图像进行二值化处理，得到二值边缘图像；每个二值边缘图像即为一个连通区域的边缘曲线，用二值边缘图像的连通空间来近似地表示出该区域，即为连通域；对于水平近邻的高度近似且连通面积比较小的连通域，需要进一步合并，最后得到连通区域的最小边界框； 所述采用K-Means聚类的算法对不同种类缺陷图像进行缺陷标注，包括： 1对所有分离后的前景图像以及《圆片凸点制备工艺质量检验规范》中规定的K种缺陷图像的大小做归一化处理； 2以《圆片凸点制备工艺质量检验规范》包含的K种缺陷图像作为K个初始聚类中心； 3对于RGB图像每个点都具有[r,g,b]三个属性，根据距离聚类中心最近的原则，除《圆片凸点制备工艺质量检验规范》包含的K种缺陷图像外，计算其他前景图片目标像素点到K个初始聚类中心像素点的欧氏距离； 4距离同一中心最近的欧氏距离样本为一类，从而完成一次聚类； 5针对每个类别中的前景图像，计算这些前景图像的聚类中心，当作该类的新聚类中心，返回步骤3循环执行，当各类聚类中心不再变化时执行，算法结束； 6对于同类图像，使用所属缺陷标签进行标记，形成有效分类标记数据集。

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北京时代民芯科技有限公司;北京微电子技术研究所，其通讯地址为：100076 北京市丰台区东高地四营门北路2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。