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！

龙图腾网获悉中国科学技术大学申请的专利基于小样本学习的印刷电路板缺陷检测方法、介质及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：CN116579980B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310315092.1，技术领域涉及：G06T7/00；该发明授权基于小样本学习的印刷电路板缺陷检测方法、介质及设备是由康宇;史珂豪;柏鹏;许镇义;曹洋设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本基于小样本学习的印刷电路板缺陷检测方法、介质及设备在说明书摘要公布了：本发明的一种基于小样本学习的印刷电路板缺陷检测方法、系统及设备，包括先训练印刷电路板缺陷检测网络，训练步骤如下，对于输入PCB图像利用实例级嵌入主干网络进行缺陷特征提取获取全局特征；通过位置权重分配模块对最后一个块的输出进行细化，生成缺陷位置权重图；根据权重图从输入PCB图像中切割出对应区域再输入实例级嵌入主干，生成局部特征，进而为每幅输入图像生成嵌入；将样本权重分配模块应用于每个缺陷支持类的嵌入集，以形成每个缺陷类别的注意原型，利用交叉熵损失函数训练网络。本发明即一种从少量PCB缺陷类样本中学习的缺陷类感知辅助和抑制网络方案，将异常缺陷值的分布拉向缺陷类簇，减少对缺陷类描述的负面影响。

本发明授权基于小样本学习的印刷电路板缺陷检测方法、介质及设备在权利要求书中公布了：1.一种基于小样本学习的印刷电路板缺陷检测方法，其特征在于，包括以下步骤，先训练印刷电路板缺陷检测网络，再利用训练好的印刷电路板缺陷检测网络对待检测的印刷电路板进行检测，其中，印刷电路板缺陷检测网络的训练步骤如下， 步骤1：对于输入PCB图像利用实例级嵌入主干网络进行缺陷特征提取获取全局特征； 步骤2：通过位置权重分配模块对最后一个块的输出进行细化，生成缺陷位置权重图，具体包括： S21：对于来自含有缺陷种类标签的支持集的缺陷样本，令表示主干网络输出的第i个缺陷支持类中的第j个图像的全局特征映射，对使用全局平均池化，得到样本级的全局缺陷特征； S22：平均第i个缺陷支持类中的所有样本级缺陷特征，计算出受异常PCB图像值影响较小的类级全局缺陷特征； S23：按照下式计算每个位置的缺陷类内相似性的正注意度以及每个位置的总抑制强度，进而获得支持集PCB图像的权重图； ； ； ； 式中表示缺陷类的样本数，表示缺陷类别数； S24：对于不含缺陷种类标签的查询集中的第q个图像，计算缺陷特征图与其样本级全局缺陷特征之间的点积，得到相应的权重图，对上述获得的和，在所有位置应用softmax进行分类； 步骤3：根据权重图从输入PCB图像中切割出对应区域再输入实例级嵌入主干，生成局部特征，进而为每幅输入图像生成嵌入； 步骤4：将样本权重分配模块应用于每个缺陷支持类的嵌入集，以形成每个缺陷类别的注意原型，利用交叉熵损失函数训练网络。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。