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！

龙图腾网获悉华南理工大学申请的专利基于Faster-RCNN模型的元器件弱缺陷高精度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：CN116596837B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202310235751.0，技术领域涉及：G06T7/00；该发明授权基于Faster-RCNN模型的元器件弱缺陷高精度检测方法是由高红霞;莫宜锦;陈山娇;李冠基;杨伟朋设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本基于Faster-RCNN模型的元器件弱缺陷高精度检测方法在说明书摘要公布了：本发明公开了一种基于Faster‑RCNN模型的元器件弱缺陷高精度检测方法，包括：1元器件图像采集；2对原始图像进行双线性插值，得到为原图两倍大小的超尺度图；3对原图进行特征提取，得到原图特征；对超尺度图做特征提取，得到超尺度图特征；4对超尺度图特征进行最大值下采样，与原图特征对齐；5将超尺度图特征与原图特征进行拼接融合；6将融合后的特征图输入检测头，进行缺陷的定位及分类。本发明基于Faster‑RCNN模型对电子元器件缺陷检测，加强了对弱缺陷的检测能力，缓解了现有技术对元器件弱缺陷检测精度不高的问题，提高了元器件缺陷的整体检测精度。

本发明授权基于Faster-RCNN模型的元器件弱缺陷高精度检测方法在权利要求书中公布了：1.基于Faster-RCNN模型的元器件弱缺陷高精度检测方法，其特征在于，包括以下步骤： 1采集待检测元器件的原始图像； 2对步骤1的原始图像进行双线性插值，得到为原始图像两倍大小的超尺度图； 3将原始图像作为Faster-RCNN模型第一流的输入，经过整个特征提取模块进行特征提取，得到包含高级语义信息的原图特征； 将超尺度图作为Faster-RCNN模型第二流的输入，经过特征提取模块的前三层网络进行特征提取，保留超尺度图中有利于弱缺陷检测的细节信息，得到超尺度图特征； 以Faster-RCNN为基础模型，使用Resnet50作为特征提取模块，分别提取原始图像和超尺度图的特征；使用Resnet50对原始图像进行特征提取，得到包含丰富语义信息的原图特征；为了保留超尺度图中利于缺陷检测的细节信息，只使用Resnet50的前三层对超尺度图进行特征提取，得到包含浅层细节信息的超尺度图特征；Resnet50由卷积层、池化层、非线性映射组成； 其卷积过程如下： 式中，f1[x,y]为图像在x,y区域的数据，w[x,y]为卷积核，f2[x,y]为卷积后所得特征，ni、nj代表距离卷积中心的偏移距离，n1、n2分别为卷积垂直方向最大偏移距离和水平方向最大偏移距离，f[x+ni,y+nj]为图像在x+ni,y+nj的数值，w[ni,nj]为卷积核在ni,nj位置的权重； 其非线性映射过程： f3[x,y]＝max0,f2[x,y] 式中，f3[x,y]为做非线性映射后得到的特征图； 4对超尺度图特征进行最大值下采样，与原图特征大小对齐； 5将上一步得到的超尺度图特征与原图特征拼接，使用1*1的卷积核将拼接后的特征图进行通道变换和融合； 6将上一步融合后的特征图输入Faster-RCNN模型的检测头，进行元器件缺陷的定位及分类，输出缺陷检测信息。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。