Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 深圳市弘测精密科技有限公司郑仁熹获国家专利权

深圳市弘测精密科技有限公司郑仁熹获国家专利权

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!

龙图腾网获悉深圳市弘测精密科技有限公司申请的专利用于IC载板的模块化缺陷检测方法、系统及计算机设备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:CN119936027B

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:202510242738.7,技术领域涉及:G01N21/88;该发明授权用于IC载板的模块化缺陷检测方法、系统及计算机设备是由郑仁熹设计研发完成,并于2025-03-03向国家知识产权局提交的专利申请。

用于IC载板的模块化缺陷检测方法、系统及计算机设备在说明书摘要公布了:本发明涉及一种用于IC载板的模块化缺陷检测方法、系统及计算机设备,其中,方法包括,获取IC载板生产过程中的原始图像数据,对原始图像数据进行预处理,得到IC载板图像数据,并构建缺陷识别模型,在缺陷识别模型中引入注意力机制,得到IC载板的识别结果;获取IC载板生产中的工艺参数数据和设备运行状态数据,与历史缺陷数据进行关联分析,挖掘数据之间的潜在关系,确定对缺陷影响较大的关键参数;构建缺陷预测模型,判断IC载板是否存在缺陷;将缺陷识别模型和缺陷预测模型的结果进行融合,结合预先设定的规则,生成对应的工艺参数调整建议或设备维护策略,以实现精准检测IC载板缺陷、预测潜在风险、优化工艺与设备维护提升产品质量和生产效率的目的。

本发明授权用于IC载板的模块化缺陷检测方法、系统及计算机设备在权利要求书中公布了:1.一种用于IC载板的模块化缺陷检测方法,其特征在于,包括以下步骤: 获取IC载板生产过程中的原始图像数据,对所述原始图像数据进行预处理,得到预处理后的IC载板图像数据; 根据预处理后的所述IC载板图像数据,采用ResNet-50卷积神经网络构建缺陷识别模型,在所述ResNet-50卷积神经网络中引入注意力机制,通过注意力机制自动学习不同区域的权重,突出缺陷区域;在缺陷识别模型的训练过程中,根据标注的缺陷区域计算注意力权重,得到注意力权重图,其中,注意力权重图中权重高的区域表示可能存在缺陷;将注意力权重图与所述原始图像数据进行融合,得到融合后的图像数据,在融合后的图像数据中,突出显示缺陷区域;将融合后的图像数据输入到所述缺陷识别模型中进行预测;输出所述缺陷识别模型的预测结果,包括缺陷的位置、类型以及置信度,判断IC载板是否存在缺陷; 获取IC载板生产过程中的工艺参数数据和设备运行状态数据,并对数据进行预处理,包括数据清洗、数据集成和数据变换的操作;根据IC载板生产过程的特点,选用Apriori关联规则挖掘算法,计算各个工艺参数和设备运行状态对IC载板缺陷形成的影响程度,并根据影响程度大小,确定关键参数,所述数据挖掘算法用于分析工艺参数和设备运行状态与历史缺陷数据之间的关联关系; 根据所述工艺参数数据、所述设备运行状态数据以及所述关键参数,对数据进行预处理,得到预处理后的数据集;采用特征选择算法,对预处理后的数据集进行特征选择,选择出与载板缺陷相关性较高的特征子集;采用决策树算法构建模型,基于所述特征子集对所述模型进行训练,得到缺陷预测模型;获取IC载板的工艺参数数据、设备运行状态数据以及关键参数,对获取的数据进行预处理操作,得到预处理后的待预测数据;将预处理后的待预测数据输入到训练好的缺陷预测模型中,通过模型的运算,判断所述IC载板是否存在缺陷,若模型输出的缺陷概率大于预设的阈值,则判定所述IC载板存在缺陷; 采用加权平均法将所述缺陷识别模型和所述缺陷预测模型的结果进行融合,基于融合后的结果,结合预先设定的规则,生成对应的工艺参数调整建议或设备维护策略,所述工艺参数调整建议包括温度和压力的具体调整值,所述设备维护策略包括设备检修时间和检修项目。

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深圳市弘测精密科技有限公司,其通讯地址为:518000 广东省深圳市光明区凤凰街道塘尾社区恒泰裕大厦1栋707;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。