-
公开(公告)号：CN118154577A
公开(公告)日：2024-06-07
申请号：CN202410427594.8
申请日：2024-04-10
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464
Abstract: 本发明提出一种结合深度卷积神经网络(DCNN)和多种注意力机制的深度学习模型用于晶圆图故障模式识别。本发明采用PyTorch框架，提出了一种新颖的深度学习模型，用于检测和识别晶圆图的故障模式。使用DCNN相比浅层的CNN能够更好的提取晶圆图故障特征，不同的注意力机制对于不同缺陷模式识别效果各有优势。本发明在ResNeSt50网络中引入卷积块注意力机制(CBAM,Convolutional Block Attention Module)和自注意力机制(Self Attention)，使网络能够聚焦于重要特征，从而更有效地处理晶圆缺陷图像数据，提高晶圆图缺陷模式检测准确率。本发明能够提高半导体芯片制造过程中晶圆图故障模式的识别准确率，有利于提高半导体芯片生产的良率，对于国家半导体制造技术的发展具有极大的现实意义。
-
公开(公告)号：CN116486176A
公开(公告)日：2023-07-25
申请号：CN202310520013.0
申请日：2023-05-10
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T5/20 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于注意力空间金字塔池化的晶圆图故障模式识别方法，该方法结合深度卷积神经网络(DCNN)和注意力空间金字塔池化(ESPP)构建多尺度特征融合深度学习模型用于晶圆图故障模式识别。本发明基于Pytorch框架实现对晶圆图故障模式的检测识别算法，提出一个新颖的深度学习模型用于检测识别晶圆图故障模式。使用DCNN相比浅层的CNN能够更好的提取晶圆图故障特征，ESPP能够很好的解决晶圆图故障模式的类间相似性和类内相异性问题，多尺度特征融合能够将DCNN所提取晶圆图故障的浅层特征与深层特征相融合，进而可以更加准确的识别晶圆图故障模式。本发明能够提高半导体芯片制造过程中晶圆图故障模式的识别准确率，有利于提高半导体芯片生产的良率，对于国家半导体制造技术的发展具有极大的现实意义。
-
公开(公告)号：CN113450267B
公开(公告)日：2022-08-19
申请号：CN202110529381.2
申请日：2021-05-14
Applicant: 桂林电子科技大学
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，尤其涉及一种可快速获取多种自然退化图像复原模型的迁移学习方法；包括如下步骤：人工合成自然退化图像通用数据集；利用自然退化图像通用数据集对深度卷积神经网络进行预训练，得到通用复原模型；采用针对特定退化现象的数据集对通用复原模型进行迁移学习，对其部分卷积层参数进行微调训练，得到特定自然退化现象的复原模型。从而可以通过重用一种预训练的通用自然退化图像复原模型，进行迁移学习，快速得到多种针对特定自然退化现象的复原模型。该方法不仅加快了训练特定复原模型的速度，节省了训练时间，减小了对大量退化数据的依赖，还能让复原模型更加鲁棒，复原效果更加稳定。
-
公开(公告)号：CN114844784A
公开(公告)日：2022-08-02
申请号：CN202210372038.6
申请日：2022-04-11
Applicant: 桂林电子科技大学
Abstract: 本发明涉及软件工程技术领域，具体涉及一种可重构扫描网络的拓扑建模方法，主要流程为：读取ICL脚本、对ICL脚本进行解析获取节点拓扑信息、建立节点拓扑信息表、生成可重构扫描网络的拓扑模型。实现了自动生成可重构扫描网络拓扑模型的功能。可替代人工去根据ICL脚本的描述分析片上仪器的连接关系建立链路拓扑模型，提高片上网络链路分析的效率和准确性。
-
公开(公告)号：CN113450267A
公开(公告)日：2021-09-28
申请号：CN202110529381.2
申请日：2021-05-14
Applicant: 桂林电子科技大学
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，尤其涉及一种可快速获取多种自然退化图像复原模型的迁移学习方法；包括如下步骤：人工合成自然退化图像通用数据集；利用自然退化图像通用数据集对深度卷积神经网络进行预训练，得到通用复原模型；采用针对特定退化现象的数据集对通用复原模型进行迁移学习，对其部分卷积层参数进行微调训练，得到特定自然退化现象的复原模型。从而可以通过重用一种预训练的通用自然退化图像复原模型，进行迁移学习，快速得到多种针对特定自然退化现象的复原模型。该方法不仅加快了训练特定复原模型的速度，节省了训练时间，减小了对大量退化数据的依赖，还能让复原模型更加鲁棒，复原效果更加稳定。
-
Patent Agency Ranking
公开(公告)号：CN111273385A
公开(公告)日：2020-06-12
申请号：CN202010216122.X
申请日：2020-03-25
Applicant: 桂林电子科技大学
IPC: G02B5/00
Abstract: 本发明公开了一种基于多波长超窄带共振的金属微纳光学器件，当光入射到金属微纳器件时，抑制模式和透射模式会被激发，产生带宽只有几纳米的多透射峰。抑制模式能够抑制光的透射，是所述周期性薄金属光栅与所述高折射率介质层和所述低折射率介质层所形成的多阶杂化波导模式，透射模式能够增强光的透射，是所述高折射率介质层和所述低折射率介质层产生的多阶腔模式。当抑制模式和透射模式相互作用时，就能够产生超窄带多透射峰，得到可见光谱中两个或两个以上不同中心波长的透射峰。所提出的金属微纳器件在滤波、传感和检测方面具有广阔的应用前景。
-
公开(公告)号：CN106051486A
公开(公告)日：2016-10-26
申请号：CN201610516183.1
申请日：2016-08-19
Applicant: 桂林电子科技大学
IPC: F21K9/20 , F21V29/85 , F21V29/70 , F21Y115/10 , F21Y105/18
Abstract: 本发明公开了基于石墨烯热整流材料的大功率LED灯具散热装置及灯具，所述散热装置包括散热腔，与现有技术不同的是，所述散热腔的内壁设有细管，所述细管的外壁附有石墨烯热整流材料层。所述石墨烯热整流材料层表面设有保护膜层。所述灯具包括LED芯片、驱动电源、灯口、散热腔、PCB板和灯罩，与现有技术不同的是，所述散热腔的内壁设有细管，所述细管的外壁附有石墨烯热整流材料层；所述散热腔的一端与灯口套接，PCB板设置在散热腔的另一端，灯罩罩在PCB板上；LED芯片设置在PCB板上。这种灯具散热装置散热能力强、成本低；这种灯具质量轻、使用寿命长，可实现标准化的批量生产，同时具有节能、环保的优点。
-
公开(公告)号：CN105912380A
公开(公告)日：2016-08-31
申请号：CN201610227390.5
申请日：2016-04-12
Applicant: 桂林电子科技大学
IPC: G06F9/45
Abstract: 本发明公开了一种电子交换格式(EDIF，Electronic Design Interchange Format)网表文件转Protel网表文件的方法，属于测试领域。EDIF文件是为了实现不同厂商之间实现电子设计方案的可移植性以及在各种CAD/CAD系统之间进行数据交换的语言描述方案，Protel网表文件是原理图和PCB之间的桥梁。该方法通过Flex与Bison设计编译模块对EDIF文件进行词法、语法检查，并进行错误处理，EDIF文件中包含了物理器件名，网络器件名及引脚输入输出类型，分装属性等。通过编写代码将提取的信息按照Protel网表文件的格式写入Protel网表文件中。本发明优点是：可以很方便的将EDIF网表文件转为Protel网表文件，解决了分析过程中耗时大等问题，实用效果良好，给进行电子设计以及边界扫描测试人员提供了诸多方便。
-
公开(公告)号：CN118314095A
公开(公告)日：2024-07-09
申请号：CN202410427700.2
申请日：2024-04-10
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06V10/26 , G06V10/762 , G06V10/764 , G06V10/774 , G06V20/70
Abstract: 本发明提出了一种可以自动生成晶圆图语义分割数据集的方法，用于晶圆图缺陷检测的分割和分类。该方法首先对单缺陷的晶圆图进行处理，包括图像滤波、聚类、去毛边等步骤，得到单缺陷晶圆图语义分割数据集，然后通过对单缺陷晶圆图语义分割数据集进行拼接组合，生成多缺陷晶圆图语义分割数据集；为了得到更好的语义分割标签，针对8种不同类型的单缺陷晶圆图，该方法总共提出了四种解决方案，分别是线型缺陷处理法、环型缺陷处理法、局部密集型缺陷处理法和全局密集型缺陷处理法；最后，将不同缺陷类型的标签进行赋值，每个像素都被分配一个特定的数值，用于表示该像素所属的语义类别。
-
公开(公告)号：CN117876339A
公开(公告)日：2024-04-12
申请号：CN202410055153.X
申请日：2024-01-15
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于注意力机制与多尺度特征融合的多晶光伏电池缺陷识别方法。本发明从改进ConvNeXtV2模型的角度出发，提出ConvNeXt‑CWFP模型，通过注意力机制动态增加或减小多尺度特征通道的权重，进一步提高网络对多晶光伏电池缺陷模式识别的分类性能。提出的模型以ConvNeXtV2‑Base作为特征提取主干网络，在部分网络层引入通道注意力机制学习自适应权重，使得模型更加关注重要通道特征，并通过特征金字塔结构捕获不同尺度的特征，并通过池化拼接的操作融合权重增强提取的特征，以在识别光伏电池小目标缺陷方面获得更好的性能；将多晶光伏电池电致发光图像数据集以6:2:2比例划分为训练集、验证集和测试集，对所述改进网络模型进行学习训练和性能验证。本方法解决传统CNN局部特征信息不足的问题，提高了多晶光伏电池缺陷模式识别分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.033 seconds)
