-
公开(公告)号：CN118858439A
公开(公告)日：2024-10-29
申请号：CN202411329129.7
申请日：2024-09-24
Applicant: 江南大学 , 中国电子科技集团公司第五十八研究所
Abstract: 本发明涉及一种倒装芯片焊点缺陷检测方法、系统、介质和设备，其中，方法包括：步骤S1：获取样本芯片，其中，所述样本芯片存在不同的焊点缺陷；步骤S2：通过聚焦超声换能器获取所述样本芯片的超声信号；步骤S3：将所述样本芯片的超声信号由聚焦超声换能器转换为虚拟非聚焦超声换能器的时域波场信号，再将所述时域波场信号转换为信号频域波场，基于所述信号频域波场得到所述样本芯片的二维聚焦图像；步骤S4：提取所述二维聚焦图像的环形矢量因子，利用所述环形矢量因子剔除二维聚焦图像的伪影噪声，得到去噪后的二维聚焦图像；步骤S5：对所述去噪后的二维聚焦图像进行焊点缺陷检测。本发明能够对倒装芯片的焊点缺陷进行有效检测。
-
公开(公告)号：CN118445624A
公开(公告)日：2024-08-06
申请号：CN202410766498.6
申请日：2024-06-14
Applicant: 江南大学 , 中国电子科技集团公司第五十八研究所
IPC: G06F18/214 , G06N3/082 , G06N3/0895 , G06N3/09 , G06N3/098 , G06F18/213 , G06F18/21 , G06F18/22 , G06F18/2413 , G01N29/44 , G01N29/04
Abstract: 本发明涉及一种倒装芯片缺陷检测方法、系统、设备和介质，其中，方法包括：步骤S1：采集倒装芯片的一维振动数据，并将采集的一维振动数据划分为训练集、测试集和未标记样本集；步骤S2：将所述训练集划分为支持集和查询集，基于所述支持集和所述查询集构建若干损失函数，通过若干损失函数对预先设置的改进原型网络进行训练；步骤S3：对所述未标记样本集中的样本赋予伪标签，得到伪标签样本，并扩充所述训练集，通过扩充的训练集对改进原型网络进一步训练，得到训练好的改进原型网络；步骤S4：将所述测试集导入训练好的改进原型网络进行缺陷检测，得到检测结果。本发明能够有效提高在小样本情况下倒装芯片缺陷检测的准确性。
-
公开(公告)号：CN118032935A
公开(公告)日：2024-05-14
申请号：CN202410434480.6
申请日：2024-04-11
Applicant: 江南大学 , 中国电子科技集团公司第五十八研究所
IPC: G01N29/04 , G01N29/44 , G01N29/46 , G06F18/10 , G06F18/213 , G06F18/241
Abstract: 本发明涉及倒装芯片缺陷检测技术领域，尤其是指一种基于经验共振分解的倒装芯片缺陷检测方法及系统，包括：获取不同的倒装焊点缺陷类别的样本芯片及样本芯片的振动信号；基于经验共振分解算法对样本芯片的振动信号的傅里叶频谱进行分割，构建理想高斯滤波器组，得到滤波信号；计算样本芯片的振动能量系数，对样本芯片的缺陷类型进行分类。本发明实现了对样本芯片进行快速高效的缺陷检测，而无需人工视觉检测，节省了人力与时间，自动化程度更高，且检测结果更为客观，准确性更高。
-
公开(公告)号：CN115236206A
公开(公告)日：2022-10-25
申请号：CN202210782948.1
申请日：2022-06-30
Applicant: 江南大学
Abstract: 本发明实施例提供一种基于多路径匹配追踪算法改进的高频超声去噪方法及系统。该方法包括：获取待测样品的高频超声检测信号；根据所述高频超声检测信号构建离散过完备字典，并对所述离散过完备字典进行训练；利用训练好的字典，通过多路径匹配追踪算法重构所述高频超声检测信号并得到全局最优原子；对所述全局最优原子进行插值，构建连续原子库；在所述连续原子库中根据全局最优原子的参数，重构高频超声检测信号，完成信号去噪。本发明提高高频超声信号的信噪比和检测精度，可以更有效的观察到样品内部微缺陷的反射信号及位置。
-
公开(公告)号：CN113450344B
公开(公告)日：2022-05-13
申请号：CN202110814180.7
申请日：2021-07-19
Applicant: 江南大学
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种带钢表面缺陷检测方法及系统，包括以下步骤：获取带钢表面缺陷样本；构建基于残差优化的改进ACGAN模型；训练改进ACGAN模型的判别器网络和生成器网络，获得判别器和生成器的判别损失和分类损失；在判别器中引入梯度惩罚机制，优化判别器网络模型参数，获得优化后的判别器网络模型；将生成器判别损失和分类损失相结合，更新生成器网络模型参数，获得优化后的生成器网络模型；迭代以使得生成器和判别器达到纳什平衡，改进ACGAN模型收敛到最佳；将测试集数据输入至优化后的改进ACGAN模型，实现带钢表面缺陷检测。其提高ACGAN模型的训练稳定性，极大程度的提高小样本环境下带钢表面缺陷检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111340702A
公开(公告)日：2020-06-26
申请号：CN202010112518.X
申请日：2020-02-24
Applicant: 江南大学
Abstract: 本发明公开了基于盲估计的微小缺陷高频超声显微成像的稀疏重构方法，涉及图像处理技术领域，该方法包括：利用高频超声显微探头获取待测样品的C扫图像，通过图块聚类和协同滤波对C扫图像进行去噪,根据最大后验概率从去噪后的C扫图像中估计出点扩散函数，最后基于l1正则化对理想C扫图像进行稀疏重构，获得最终高分辨率的图像。该方法增强了图像信噪比和分辨率，提高了声显微成像对微小缺陷的检测准确性，拓展了二维超声图像稀疏重构方法的实用性，同时对于微观缺陷的检测有很重要的意义，能够有效地推动微器件的可靠性的发展。
-
公开(公告)号：CN119249647A
公开(公告)日：2025-01-03
申请号：CN202411748860.3
申请日：2024-12-02
IPC: G06F30/17 , G01M13/00 , F04D27/00 , G06F119/14
Abstract: 本发明涉及大型旋转机械装备的运行状态监测技术领域，具体提供了一种基于孪生降阶模型的离心叶轮监测方法及系统，离心叶轮配置有全周叶片，该监测方法包括：采集全周叶片的叶尖振动信号得到原始振动数据；对原始振动数据进行预处理得到叶尖振动数据；基于无键相参考法处理叶尖振动数据得到叶尖振动位移；对叶尖振动位移进行非线性最小二乘曲线拟合，辨识出全周叶片中各独立叶片的动力学参数；构建离心叶轮的孪生降阶模型，基于动力学参数确定孪生降阶模型的更新参数；基于更新参数对孪生降阶模型进行更新，得到数字化模型；基于数字化模型对所述离心叶轮进行监测。本发明响应计算负荷较小，提取失谐参数较为容易，实时性与准确性较高。
-
公开(公告)号：CN118365802B
公开(公告)日：2024-11-01
申请号：CN202410786283.0
申请日：2024-06-18
Applicant: 江南大学
Abstract: 本发明涉及计算机视觉技术领域，公开了一种三维点云重建方法、装置及计算机可读存储介质，包括获取待重建物体的第一与第二角度点云数据分别进行去噪与聚类，获取第一与第二角度主体点云后，基于预设匹配点对，构建相似度矩阵；利用谱分解获取相似度矩阵中每对匹配点对的匹配置信度，将具有局部最大置信度的匹配点对，作为匹配种子点对；统计匹配种子点对中所有与二值化相似度矩阵兼容的匹配点对，构建高阶空间矩阵；计算高阶空间矩阵中所有匹配点对相似度，获取相似度最高的前预设个匹配点对构成目标匹配点对集合，利用奇异值分解法，得刚体变换矩阵，利用内点计数准则得到最优变换矩阵，对第一角度点云数据进行变换，获取待重建物体的三维点云。
-
公开(公告)号：CN110667112B
公开(公告)日：2024-09-27
申请号：CN201911081939.4
申请日：2019-11-07
Applicant: 江南大学
IPC: B29C64/176 , B29C64/20 , B29C64/209 , B29C64/307 , B29C64/321 , B29C64/393 , B33Y10/00 , B33Y30/00 , B33Y40/00 , B33Y50/02
Abstract: 本发明涉及一种连续纤维增强复合材料3D打印机剪切机构及使用方法，剪切机构包括剪切刀、驱动机构、喷头机构和耦合控制系统，所述喷头机构包括散热风扇和喷头主体，所述散热风扇包括风扇叶和风扇支架，于喷头主体上间隔设置若干片散热片和两条对称的送料管路，所述送料管路包括喉管、连接件、加热环、喷嘴和快速接头，剪切刀的一侧连接驱动机构，另一侧伸入喷头主体上的安装槽内。本发明通过安装剪切机构，增强了连续纤维类复合材料3D打印的灵活性，降低了纤维连续性对3D打印路径规划的限制，实现含纤维零件的功能化设计和快速化制造，剪切机构及其耦合控制系统的设计有利于提升连续纤维增强热塑性复合材料3D打印成型件的表面质量和力学性能。
-
公开(公告)号：CN118032935B
公开(公告)日：2024-06-07
申请号：CN202410434480.6
申请日：2024-04-11
Applicant: 江南大学 , 中国电子科技集团公司第五十八研究所
IPC: G01N29/04 , G01N29/44 , G01N29/46 , G06F18/10 , G06F18/213 , G06F18/241
Abstract: 本发明涉及倒装芯片缺陷检测技术领域，尤其是指一种基于经验共振分解的倒装芯片缺陷检测方法及系统，包括：获取不同的倒装焊点缺陷类别的样本芯片及样本芯片的振动信号；基于经验共振分解算法对样本芯片的振动信号的傅里叶频谱进行分割，构建理想高斯滤波器组，得到滤波信号；计算样本芯片的振动能量系数，对样本芯片的缺陷类型进行分类。本发明实现了对样本芯片进行快速高效的缺陷检测，而无需人工视觉检测，节省了人力与时间，自动化程度更高，且检测结果更为客观，准确性更高。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.018 seconds)
