一种LED晶片分选系统及其分选方法

    公开(公告)号:CN112317339A

    公开(公告)日:2021-02-05

    申请号:CN202010949004.X

    申请日:2020-09-10

    Abstract: 本发明公开一种LED晶片分选系统,涉及LED分选技术领域,包括:晶片供给区,晶片摆放区,位于晶片供给区和晶片摆放区之间的摆臂驱动机构,由摆臂驱动机构驱动的摆臂,位于晶片供给区上方的第一CCD相机,位于晶片摆放区上方的第二CCD相机,用于采集第一CCD相机和第二CCD相机的图像采集卡,工控机,运动控制卡,电机驱动器以及电机;本发明还公开一种基于此系统的分选方法,包括工作台定位、摆臂旋转、晶片拾取与摆放过程,在晶片拾取时,吸嘴和顶针同时上升的过程中,所述顶针的加速度大于所述吸嘴的加速度;本发明解决了目前LED晶片分选系统以及分选方法精确度和速度不高的问题,同时减小了LED晶片漏检率。

    一种LED晶片分选系统及其分选方法

    公开(公告)号:CN112317339B

    公开(公告)日:2022-09-06

    申请号:CN202010949004.X

    申请日:2020-09-10

    Abstract: 本发明公开一种LED晶片分选系统,涉及LED分选技术领域,包括:晶片供给区,晶片摆放区,位于晶片供给区和晶片摆放区之间的摆臂驱动机构,由摆臂驱动机构驱动的摆臂,位于晶片供给区上方的第一CCD相机,位于晶片摆放区上方的第二CCD相机,用于采集第一CCD相机和第二CCD相机的图像采集卡,工控机,运动控制卡,电机驱动器以及电机;本发明还公开一种基于此系统的分选方法,包括工作台定位、摆臂旋转、晶片拾取与摆放过程,在晶片拾取时,吸嘴和顶针同时上升的过程中,所述顶针的加速度大于所述吸嘴的加速度;本发明解决了目前LED晶片分选系统以及分选方法精确度和速度不高的问题,同时减小了LED晶片漏检率。

    一种基于卷积神经网络结构化剪枝稀疏模型优化方法

    公开(公告)号:CN118036670A

    公开(公告)日:2024-05-14

    申请号:CN202311361138.X

    申请日:2023-10-20

    Inventor: 宋华军 武田凯

    Abstract: 一种基于卷积神经网络结构化剪枝稀疏模型优化方法,涉及深度学习技术领域,步骤S1,分别确定数据集#imgabs0#和在应数据集#imgabs1#上完成预训练的卷积神经网络模型#imgabs2#;步骤S2,从数据集#imgabs3#中随机选择#imgabs4#个训练样本#imgabs5#,将训练样本#imgabs6#输入模型#imgabs7#,得到网络倒数第二层输出的特征图#imgabs8#;步骤S3,设定待剪枝的滤波器#imgabs9#,将原始卷积神经网络模型#imgabs10#中待剪枝的滤波器#imgabs11#删除,计算新形成的重构卷积神经网络模型#imgabs12#倒数第二层输出特征图#imgabs13#;步骤S4,计算特征图#imgabs14#与特征图#imgabs15#之间的欧式距离,并进行待剪枝的滤波器#imgabs16#的特征图敏感度评分获取特征图敏感性评估结果;步骤S5,对特征图敏感性评估结果的稳定性进行分析。该基于卷积神经网络结构化剪枝稀疏模型优化方法降低网络模型的参数量与浮点运算量,实现深度神经网络模型压缩与加速。

Patent Agency Ranking