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！

龙图腾网获悉太原理工大学申请的专利基于多模态语义分割模型VCSEL缺陷检测方法与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：CN120182274B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510660150.3，技术领域涉及：G06T7/00；该发明授权基于多模态语义分割模型VCSEL缺陷检测方法与系统是由张敏夫;郭帅;赵菊敏;李灯熬设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本基于多模态语义分割模型VCSEL缺陷检测方法与系统在说明书摘要公布了：本发明涉及垂直腔面发射激光器VCSEL芯片可靠性分析领域，具体为一种基于多模态语义分割模型VCSEL缺陷检测方法与系统。解决了目前因缺陷检测流程繁琐、检测技术落后而带来的检测效率低、检测精度差的技术问题。所述系统包括用于放置VCSEL样本芯片的探针台、传送带、红外CCD、可见光CCD、可见光光源、红外光光源和计算机；红外CCD及可见光CCD的信号输出端与计算机相连接；所述计算机内置多模态图像融合算法和VCSEL多模态语义分割模型。本发明利用多模态数据训练语义分割模型，实现对VCSEL多类缺陷的精确识别和定位，提高检测精度和效率，为VCSEL的质量控制和可靠性评估提供有力支撑。

本发明授权基于多模态语义分割模型VCSEL缺陷检测方法与系统在权利要求书中公布了：1.一种基于多模态语义分割模型VCSEL缺陷检测方法，其特征在于：包括如下步骤： S1、获取多模态缺陷数据集； S11、采集多个VCSEL样本芯片1的可见光图像和红外图像；采集的VCSEL样本芯片1包括没有缺陷的VCSEL芯片，以及有缺陷的VCSEL芯片； S12、通过多模态图像融合算法分别将每一个VCSEL样本芯片1的可见光图像和红外图像融合，得到每个VCSEL样本芯片1的多模态缺陷融合图像； S13、针对步骤S12得到的VCSEL样本芯片1的多模态缺陷融合图像进行标记，剔除没有缺陷的多模态缺陷融合图像，并将有缺陷的多模态缺陷融合图像标记出缺陷类别、缺陷位置和缺陷形态，标记后的多模态缺陷融合图像作为芯片缺陷样本构成多模态缺陷数据集； S2、VCSEL多模态语义分割模型的设计； S21、使用预训练的卷积神经网络ResNet作为编码器，该编码器包括多层普通卷积，每层普通卷积后均加入SE注意力模块； S22、使用与编码器层数相同且一一对应的空洞卷积构成解码器；除最后一层外，编码器的每一层普通卷积跳跃连接到解码器对应层的空洞卷积；编码器的最后一层普通卷积通过深度可分离卷积与解码器最后一层空洞卷积相连接，构成VCSEL多模态语义分割模型； S3、VCSEL多模态语义分割模型的训练 将S1得到的多模态缺陷数据集的芯片缺陷样本输入至VCSEL多模态语义分割模型中，对VCSEL多模态语义分割模型进行训练，VCSEL多模态语义分割模型能够输出每个芯片缺陷样本的多模态缺陷分割结果图，所述多模态缺陷分割结果图中包含芯片缺陷样本的缺陷类别、缺陷位置和缺陷形态；当VCSEL多模态语义分割模型输出的多模态缺陷分割结果图中的缺陷类别、缺陷位置和缺陷形态与芯片缺陷样本相比，精确度达到95%以上，则视为VCSEL多模态语义分割模型完成训练； S4、VCSEL多模态语义分割模型的检测 采集待测VCSEL芯片3的可见光图像和红外图像，通过多模态图像融合算法得到待测VCSEL芯片3的多模态缺陷融合图像，然后将待测VCSEL芯片3的多模态缺陷融合图像输入至S3中完成训练的VCSEL多模态语义分割模型，并由VCSEL多模态语义分割模型输出包含待测VCSEL芯片3缺陷类别、缺陷位置和缺陷形态的多模态缺陷分割结果图。

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太原理工大学，其通讯地址为：030024 山西省太原市万柏林区迎泽西大街79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。