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！

龙图腾网获悉同济大学申请的专利一种三阶段金丝键合缺陷检测方法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：CN115761732B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211280126.X，技术领域涉及：G06V20/70；该发明授权一种三阶段金丝键合缺陷检测方法是由唐堂;潘文杰;王亮;陈明;于颖设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种三阶段金丝键合缺陷检测方法在说明书摘要公布了：一种三阶段金丝键合缺陷检测方法，其特征是，包括三个阶段，如下：1芯片及关键连接区域分割：使用DeepLabV3+模型完成芯片及关键连接区域的语义分割；2感兴趣区域提取：根据键合线连接对象不同和背景复杂程度，将金丝键合图片分为4类，基于阶段1提取的位置信息，进一步设计相应的图像处理算法完成感兴趣区域提取；3缺陷判别：基于所提取的感兴趣区域，使用图像处理算法和所提出了一个全新的基于孪生网络架构的分类网络完成缺陷判别。因此，本发明是将深度学习方法与传统数字图像处理方法相融合的三阶段缺陷检测方法，完成微波组件金丝键合工艺中的缺丝和翘丝缺陷检测。

本发明授权一种三阶段金丝键合缺陷检测方法在权利要求书中公布了：1.一种三阶段金丝键合缺陷检测方法，其特征是，包括三个阶段，如下： 1芯片及关键连接区域分割：使用DeepLabV3+模型完成芯片及关键连接区域的语义分割； 2感兴趣区域提取：根据键合线连接对象不同和背景复杂程度，将金丝键合图片分为4类，基于阶段1提取的位置信息，进一步设计相应的图像处理算法完成感兴趣区域提取； 3缺陷判别：基于所提取的感兴趣区域，使用图像处理算法和所提出了一个全新的基于孪生网络架构的分类网络完成缺陷判别; 所设计的基于孪生网络的缺陷判别模型由三部分组成：特征提取网络、特征融合网络和预测网络; 特征提取网络： 特征提取网络使用ResNet18的修改版本进行特征提取，移除了ResNet18的conv5层，将conv4层的输出作为特征提取网络的输出， 是模板图片经过特征提取网络的输出特征，是测试图片经过特征提取网络的输出特征，为输入图片的高与宽; 特征融合网络：设计了一个带有两分支的特征融合网络，分别为差异融合模块和自注意力融合模块，差异融合模块获得模板图片和测试图片之间的差异特征，自注意力融合模块获得模板图片和测试图片的全局交互特征; 在差异融合模块中，首先，将特征提取网络的输出和，经过通道注意力ECA-BLOCK，通道注意力为各通道特征赋予不同的权重，有选择性地增强显著性特征，使获得的特征图具有更多的有效信息，得到输出特征和；和经过3×3卷积进一步提取特征，同时通道数保持不变，获得和；接下来，将和展平为一维特征向量，相减后取绝对值得到；相减操作捕捉测试图像与模板图片之间的差异信息；最后，经过两个全连接层获得预测结果；差异融合模块中输入特征与输出特征的关系如下， 其中，Conv表示3×3卷积，ECA表示ECA-BLOCK，FC表示全连接层; 由于自注意力机制的输入为特征向量序列，首先，在空间维度上展平和，得到特征和；将特征和拼接，得到自注意力SA-BLOCK的输入序列，将经过2次自注意力模块充分获取特征间的全局依赖关系；自注意力融合模块中输入特征与输出特征的关系如下， 其中，SA表示SA-BLOCK，FC表示全连接层；位置编码PositionalEmbedding和额外的可学习类别编码classembedding被添加到SA-BLOCK的输入中，位置编码用于表达特征在原图的位置信息，类别编码用于计算模块最后的输出。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。