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！

龙图腾网获悉杭州电子科技大学;杭州电子科技大学丽水研究院申请的专利基于多阶段特征融合与动态优化的芯片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：CN120431015B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510369933.6，技术领域涉及：G06T7/00；该发明授权基于多阶段特征融合与动态优化的芯片缺陷检测方法是由李运发;黄强;颜成钢;殷海兵;吴光钦设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本基于多阶段特征融合与动态优化的芯片缺陷检测方法在说明书摘要公布了：本发明公开一种基于多阶段特征融合与动态优化的芯片缺陷检测方法，通过设计一个基于智能初始化的缺陷定位模型来缩小缺陷所在的位置，提高了缺陷检测的速度和能力；通过基于面向多角度投影的三维微结构重建算法的高质量重建模型来捕捉细微缺陷，能有效避免漏检；通过使用与微缓冲相结合的动态优化模型来提高缺陷检测的稳定性，使得芯片缺陷检测方法系统即使再面对未知缺陷也能表现出较高的缺陷检测准确率。其中，还通过数据预处理和各模型结果数据融合来降低误检，通过去噪与图像增强技术改善图像质量。该方法实现在不损坏芯片等精密元件的基础上充分挖掘产品内外部的丰富信息、提高检测算法的泛化能力和对各种复杂缺陷的有效识别与检测等。

本发明授权基于多阶段特征融合与动态优化的芯片缺陷检测方法在权利要求书中公布了：1.一种基于多阶段特征融合与动态优化的芯片缺陷检测方法，设计有缺陷定位模型、高质量重建模型和动态优化模型，其特征在于，包括： 利用缺陷定位模型对芯片的无缺陷图像进行数据预处理、图像重构、特征提取融合操作，生成缺陷热图并二值化得到缺陷定位结果； 将所述芯片的归一化投影数据、缺陷热图和缺陷定位结果输入高质量重建模型，高质量重建模型对缺陷定位结果和归一化投影数据进行裁剪投影，再进行重建恢复处理得到局部缺陷重构数据和高质量三维体数据，然后对高质量三维体数据进行深度切片得到高精度二维切片，对缺陷热图和局部缺陷重构数据进行比较，以修正缺陷热图； 利用动态优化模型，将缺陷热图和高精度二维切片结合为缺陷样本存储到缓冲区，并对出现的新类别缺陷进行学习识别，以更新缓冲区内缺陷样本； 对3DX射线显微镜技术全面扫描芯片样品后得到的投影图像进行归一化处理，得到归一化投影数据，再利用滤波反投影来生成高质量三维参考体数据，其中和是投影数据的均值和标准差；表示归一化后的投影数据，表示投影角度，表示投影图像的横向坐标；表示投影数据经过滤波的结果；表示加权系数，用于均衡不同角度的投影数据对图像重建的贡献； 分别计算归一化投影数据的质心与高质量三维参考体数据的质心，再进行刚性变换得到投影数据和体数据，以及两者配准后的数据对； 所述高质量重建模型输入配准后的数据对、缺陷热图和缺陷定位结果，通过编码器提取多尺度的特征，利用多层卷积操作二维图像中关于边缘、纹理的特征信息，再通过解码器逐步上采样和注意力机制，恢复三维体数据，得到局部缺陷重构数据和高质量三维体数据；然后采用结构相似性计算方法对缺陷热图区域和局部缺陷重构数据进行对比，设误检阈值，若结构相似性的值低于误检阈值，说明缺陷定位模型产生了误检，则将误检的区域从缺陷定位结果中剔除，得到修正后的定位结果，再将修正后的定位结果重新映射到缺陷热图，生成修正后的缺陷热图； 所述动态优化模型将修正后的缺陷热图和高精度二维切片存储到缓冲区中，同时缺陷热图与高精度二维切片结合得出缺陷区域，通过缺陷区域构建初始样本集合； 然后提取初始样本，并将从初始样本裁剪成小块存入缓冲区，再计算每个小块的样本特征，通过样本特征选择代表性样本，最终将初始缓冲区与代表性样本结合，使缓冲区中存储的是最具代表性的样本； 接着动态优化模型提取高精度二维切片中的特征，得到了缺陷样本的高维特征向量，通过结合缺陷的高维特征向量与缺陷热图来进行特征增强，再利用增强后的高维特征向量来进行路径积分的计算、特征提取和缺陷分类； 若出现新类别缺陷，对新类别缺陷的样本特征进行聚类，选取代表性的样本，将新类别样本添加到缓冲区中，对缓冲区进行更新，若缓冲区溢出，则删除最旧类别样本来保持最优样本集合。

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杭州电子科技大学;杭州电子科技大学丽水研究院，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。