-
公开(公告)号：CN114926417A
公开(公告)日：2022-08-19
申请号：CN202210496277.2
申请日：2022-05-09
Applicant: 华南理工大学 , 广州现代产业技术研究院
Abstract: 本发明公开了一种高密度柔性FPC表面弱划痕的显微成像检测方法及系统，该方法包括下述步骤：获取高密度柔性FPC基板图像序列；基于图像关键角点匹配方法将获取的高密度柔性FPC基板图像序列拼合成基板图像；对拼合后的基板图像进行预处理并执行拓扑映射，在相应的拓扑空间基于搜索规则筛选策略确定弱划痕的区域位置，规定向右、向下方向分别为X轴和Y轴正方向，将预处理后的拼合基板图像进行离散化处理，其中对应于坐标的位置为点集合，坐标中像素点值为点集值；当点集合同时满足搜索规则则被标记为异常点，基于异常点集标记基板图像中弱划痕的位置区域。本发明对弱划痕有较好的识别能力，且实时性和准确率较现有方法有明显提高。
-
公开(公告)号：CN114881934A
公开(公告)日：2022-08-09
申请号：CN202210384125.3
申请日：2022-04-13
Applicant: 华南理工大学 , 广州现代产业技术研究院
Abstract: 本发明公开了一种基于神经网络的柔性IC基板表面缺陷分层分类方法，该方法包括下述步骤：构建基于神经网络的柔性IC基板缺陷分层分类树状模型，包括根节点、分支节点和叶节点；根节点对不同批次IC基板进行身份辨识并选择性激活对应分支节点模型；分支节点对应不同的批次，每个分支节点模型通过均衡概率分布的数据集组织策略结合支持向量机对IC基板健康状态进行二分类，叶节点协同根节点对输出的缺陷数据进行分类并溯源缺陷位置，利用基于多尺度特征稠密金字塔连接的YOLOv3检测器执行缺陷分类和位置溯源。本发明实现IC基板多批次身份识别和缺陷类型快速分类和定位，提高了深度学习模型在非平衡数据集下的学习性能及缺陷检测准确率。
-
公开(公告)号：CN114926417B
公开(公告)日：2024-05-28
申请号：CN202210496277.2
申请日：2022-05-09
Applicant: 华南理工大学 , 广州现代产业技术研究院
Abstract: 本发明公开了一种高密度柔性FPC表面弱划痕的显微成像检测方法及系统，该方法包括下述步骤：获取高密度柔性FPC基板图像序列；基于图像关键角点匹配方法将获取的高密度柔性FPC基板图像序列拼合成基板图像；对拼合后的基板图像进行预处理并执行拓扑映射，在相应的拓扑空间基于搜索规则筛选策略确定弱划痕的区域位置，规定向右、向下方向分别为X轴和Y轴正方向，将预处理后的拼合基板图像进行离散化处理，其中对应于坐标的位置为点集合，坐标中像素点值为点集值；当点集合同时满足搜索规则则被标记为异常点，基于异常点集标记基板图像中弱划痕的位置区域。本发明对弱划痕有较好的识别能力，且实时性和准确率较现有方法有明显提高。
-
Patent Agency Ranking
公开(公告)号：CN114881934B
公开(公告)日：2024-05-28
申请号：CN202210384125.3
申请日：2022-04-13
Applicant: 华南理工大学 , 广州现代产业技术研究院
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的柔性IC基板表面缺陷分层分类方法，该方法包括下述步骤：构建基于神经网络的柔性IC基板缺陷分层分类树状模型，包括根节点、分支节点和叶节点；根节点对不同批次IC基板进行身份辨识并选择性激活对应分支节点模型；分支节点对应不同的批次，每个分支节点模型通过均衡概率分布的数据集组织策略结合支持向量机对IC基板健康状态进行二分类，叶节点协同根节点对输出的缺陷数据进行分类并溯源缺陷位置，利用基于多尺度特征稠密金字塔连接的YOLOv3检测器执行缺陷分类和位置溯源。本发明实现IC基板多批次身份识别和缺陷类型快速分类和定位，提高了深度学习模型在非平衡数据集下的学习性能及缺陷检测准确率。
-
公开(公告)号：CN117849047A
公开(公告)日：2024-04-09
申请号：CN202311705270.8
申请日：2023-12-12
Applicant: 华南理工大学 , 广州现代产业技术研究院
Abstract: 本发明公开了一种全自动正反面翻转检测系统及方法。本发明系统包括翻转模块、驱动模块、拍摄模块、工控检测模块；翻转模块、驱动模块、拍摄模块分别与工控检测模块电性连接；拍摄模块与驱动模块相互连接；翻转模块用于对待测物件进行正反面翻转；驱动模块用于带动拍摄模块在待测物件对应的拍摄区域进行移动；拍摄模块用于对待测物件进行外观图像的拍摄；工控检测模块用于分别控制翻转模块、驱动模块、拍摄模块，根据拍摄的待测物件外观图像进行外观缺陷检测。本发明能提高对超薄集成电路基板等待测物件进行全自动正反面外观缺陷检测的效率。
-
公开(公告)号：CN118279243A
公开(公告)日：2024-07-02
申请号：CN202410256382.8
申请日：2024-03-06
Applicant: 华南理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于改进FCOS网络的柔性IC基板表面缺陷识别方法，包括采集图片、扩充图片数据集、标注图片、对改进的FCOS网络进行训练与验证、利用FCOS网络进行识别等步骤。其中，对FCOS网络的改进包括：在FCOS网络中的上采样部分，用PixelShuffle算法取代原本的最近邻插值算法；在FCOS网络中每个检测头Head前都加入通道注意力模块；在FCOS网络的FPN后引入Maxpool_BPA环节。最后，通过测试本发明中改进后的FCOS网络，在检测柔性IC基板表面缺陷的情景下，其相较原网络的召回率提高了4％，mAP提高了4.9％。
-
公开(公告)号：CN116934762B
公开(公告)日：2024-01-16
申请号：CN202311203232.2
申请日：2023-09-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种锂电池极片表面缺陷的检测系统及方法。本发明的系统包括相互连接的图像预处理模块、改进型极片缺陷深度学习网络；图像预处理模块用于对锂电池极片的原始表面图像进行预处理得到增强图像；图像预处理模块包括去噪模块、增强模块；去噪模块用于对原始表面图像进行K‑近邻均值滤波得到去噪图像；增强模块与去噪模块连接，用于通过小波变换的线性调整和多尺度细节增强的方式处理去噪图像的低频分量、高频分量得到增强图像；改进型极片缺陷深度学习网络用于从增强图像中检测锂电池极片的表面缺陷。本发明相比现有技术，能更高效、准确地检测出锂电池极片的表面缺陷。
-
公开(公告)号：CN116934762A
公开(公告)日：2023-10-24
申请号：CN202311203232.2
申请日：2023-09-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种锂电池极片表面缺陷的检测系统及方法。本发明的系统包括相互连接的图像预处理模块、改进型极片缺陷深度学习网络；图像预处理模块用于对锂电池极片的原始表面图像进行预处理得到增强图像；图像预处理模块包括去噪模块、增强模块；去噪模块用于对原始表面图像进行K‑近邻均值滤波得到去噪图像；增强模块与去噪模块连接，用于通过小波变换的线性调整和多尺度细节增强的方式处理去噪图像的低频分量、高频分量得到增强图像；改进型极片缺陷深度学习网络用于从增强图像中检测锂电池极片的表面缺陷。本发明相比现有技术，能更高效、准确地检测出锂电池极片的表面缺陷。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
