買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣東工業大學申請的專利基于多層卷積網絡的貼片電阻微空洞與焊點特征提取方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114548231B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210092470.X，技術領域涉及：G06V10/44；該發明授權基于多層卷積網絡的貼片電阻微空洞與焊點特征提取方法是由陳梅云;黃心陽;龐水玲;王倩雪設計研發完成，并于2022-01-26向國家知識產權局提交的專利申請。

本基于多層卷積網絡的貼片電阻微空洞與焊點特征提取方法在說明書摘要公布了：本發明涉及工業電子元器件檢測的技術領域，更具體地說，它涉及基于多層卷積網絡的貼片電阻微空洞與焊點特征提取方法，其技術方案要點是：S1、構建微空洞、焊點訓練數據集和測試數據集；S2、基于殘差多尺度跳躍連接網絡RMSC?Net對微空洞進行檢測；S3、基于循環卷積神經網絡RU?Net對焊點進行檢測；S4、用訓練好的模型進行檢測，得到檢測結果。本發明具有算法識別分割精度高、抗干擾能力強的優點。

本發明授權基于多層卷積網絡的貼片電阻微空洞與焊點特征提取方法在權利要求書中公布了：1.基于多層卷積網絡的貼片電阻微空洞與焊點特征提取方法，其特征在于，包括以下步驟： S1、設置CT設備的加速電壓，靶功率和放大倍數，以獲取貼片電阻微空洞和焊點清晰的圖像； S2、通過CT設備采集樣品圖片數據，對采集到的貼片電阻微空洞及焊點數據進行標注，使每一個標注文件包含圖像中微空洞和焊點的特征和位置信息； S3、通過裁剪、旋轉和改變亮度的方式提高網絡的泛化性，達到數據增強的效果； S4、將增強后的微空洞與焊點的訓練數據分別輸入到RMSC-Net和RU-Net中進行訓練，RMSC-Net提取微空洞的特征，RU-Net提取焊點的特征； S5、通過二值交叉熵損失函數調整神經元的權值，將兩個網絡輸出的結果進行融合，最終實現對微空洞和焊點的特征提?。?S6、用訓練好的模型進行檢測，得到檢測結果； 所述步驟S1具體為： 在二維X射線檢測模式時，將CT設備的加速電壓和靶功率分別設置為100KV和4W，根據樣品的大小來設置放大倍數，放大倍數在10-50倍之間； CT設備采集的圖像分辨率為1004×1004，為了使各個網絡的輸出圖像與輸入圖像尺寸一致，在1004×1004像素圖像的上下左右都填充2個像素得到1008×1008的圖像； 由于CT圖像的邊緣偏白，所以采用255，255，255對圖像進行預處理填充； 所述步驟S4具體包括以下步驟： S41、RMSC-Net架構包括卷積層、池化層、殘差層、多尺度跳躍連接層和上采樣層；將CT設備采集的X射線圖像及其對應的微空洞標簽，包括數據增強后的圖像與對應標簽，均輸入到卷積層中，采用的卷積層是兩個分別具有64個卷積核；每個卷積層是filtersize為3×3，padding為1的卷積操作，批量歸一化和LeakyReLU激活函數的復合函數，LeakyReLU激活函數定義為： LeakyReLUx＝max0,x+negative_slope*min0,x S42、卷積層后再通過filtersize為2的最大池化層獲得圖像的高級語義特征，去除X射線圖像的冗余信息，最大池化后緊接著兩個分別具有128個卷積核的卷積層；編碼器共有4個最大池化層，前三個最大池化后的特征圖數量都翻倍；為減小計算量，最后一個池化層之后的特征圖數量保持不變；最后一個池化層之后是瓶頸階段，采用殘差連接，解決了梯度彌散或梯度爆炸的問題；將殘差模塊定義為： yout＝Fxin,{Wi}+xin 其中，xin和yout分別是所考慮層的輸入和輸出向量，函數Fxin,{Wi}表示待學習的殘差映射。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣東工業大學，其通訊地址為：510062 廣東省廣州市東風東路729號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。