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！

龍圖騰網獲悉中關村芯園(北京)有限公司申請的專利一種芯片缺陷視覺檢測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：CN119515875B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202411937952.6，技術領域涉及：G06T7/00；該發明授權一種芯片缺陷視覺檢測方法是由吳凡;程鏡亮;孟捷設計研發完成，并于2024-12-26向國家知識產權局提交的專利申請。

本一種芯片缺陷視覺檢測方法在說明書摘要公布了：本發明公開了一種芯片缺陷視覺檢測方法，涉及芯片缺陷檢測技術領域，本發明，通過多角度拍攝策略和自適應光學調整機制，在圖像采集階段實現對光路偏差的實時校正，增強圖像數據的全面性和一致性在去噪階段，同時引入基于卷積自編碼器CAE的深度去噪網絡，學習無噪圖像的特征分布，針對性地去除采集圖像中的隨機噪聲，同時保留焊點區域的重要細節特征，增強階段結合自適應增強技術和直方圖均衡化優化低對比度區域，使焊點邊緣特性更加突出，顯著提升圖像的視覺清晰度和特征可見性；在特征提取階段，采用多尺度卷積網絡捕捉焊點裂紋的邊緣變化與材料退化的紋理特性，同時通過注意力機制聚焦潛在缺陷區域的細節變化，提高特征提取的精準度和效率。

本發明授權一種芯片缺陷視覺檢測方法在權利要求書中公布了：1.一種芯片缺陷視覺檢測方法，其特征在于：包括， 步驟S1，通過成像設備采集芯片表面和內部的圖像信息； 在采集過程中，采用多角度拍攝策略捕獲圖像數據，并結合自適應光學調整機制對光路偏差進行校正； 步驟S2，對采集的圖像信息進行去噪與增強處理，生成特征圖； 在去噪階段，引入基于卷積自編碼器CAE的深度去噪網絡，學習無噪圖像的特征分布，去除噪聲并保留焊點區域細節； 在增強階段，采用自適應增強技術對低對比度區域進行處理，提升焊點邊緣的特性可見性； 步驟S3，利用深度學習模型從特征圖中提取焊點區域的微觀特性； 步驟S3中，采用多尺度卷積網絡捕捉焊點裂紋的邊緣變化及材料退化的紋理特性，形成焊點微觀特征；同時結合注意力機制，聚焦焊點區域細節變化，將計算資源集中在潛在缺陷部位； 步驟S4，通過分類模型對提取的微觀特性進行缺陷分類與判別，確定焊點是否存在疲勞退化其他問題，并生成檢測結果； 所述缺陷分類與判別的過程中，在分類模型中引入焊點缺陷對比樣本，并對焊點區域進行可視化標注，標注內容包括缺陷位置及其嚴重程度； 所述通過分類模型對提取的微觀特性進行缺陷分類與判別的步驟為， 定義分類模型，模型輸入綜合特征Fout，通過分類模型預測缺陷類別C，公式為： C＝argmaxσWc·Fout+bc， 其中，C為分類結果，Wc為分類模型的權重矩陣，bc為分類偏置，σ為激活函數， 在分類模型訓練過程中引入焊點缺陷的對比樣本，優化損失函數Lc，公式為： 其中，Lc為分類損失，N為樣本數量，yi表示樣本i的真實標簽，pi為模型預測的缺陷概率； 所述生成檢測結果的步驟為， 通過生成可視化標注圖對焊點缺陷進行展示，標注公式為： Ivx,y＝Ix,y+α·Mx,y， 其中，Ivx,y表示疊加標注后的可視化圖像，Ix,y為原始圖像，Mc,y為缺陷掩膜，α為透明度因子， 標注內容包括缺陷位置及其嚴重程度，缺陷位置通過掩膜計算： 若x,y屬于缺陷區域，則Mx,y＝1，否則Mx,y＝0， 嚴重程度S定義為缺陷區域面積與焊點總面積之比： S＝缺陷面積焊點總面積； 所述采集芯片表面和內部的圖像信息的步驟為， 在采集過程中，定義拍攝角度集合為Θ＝{θ1,θ2,…,θn}，每個拍攝角度對應的圖像為Iθi，完整采集圖像集合為Iset： Iset＝{Iθ1,Iθ2,…,Iθn}， 其中，θi表示第i個拍攝角度，n表示總的拍攝角度數， 構建光路偏差校正模型，將光路偏差的畸變函數定義為Dx,y,t，描述采集過程中光路偏差引入的像素偏移量，模型公式為： Dx,y,t＝α1x2+α2y2+βt， 其中，x,y為像素點的橫縱坐標，t為采集的時間步，α1,α2分別表示橫向和縱向的光學畸變系數，β表示時間相關的畸變修正系數。

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中關村芯園(北京)有限公司，其通訊地址為：100081 北京市海淀區西三環北路甲2號院7號樓10層11室；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”。