公开(公告)号：CN115063385B

公开(公告)日：2025-04-25

申请号：CN202210762670.1

申请日：2022-06-29

Applicant: 哈尔滨工业大学重庆研究院 ,  哈尔滨工业大学(深圳)

Inventor： 陈斌 ,  陈子和 ,  张元 ,  陈一驰

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明涉及晶圆检测技术领域，公开了一种用于晶圆检测的机器视觉方法，包括以下步骤：步骤1：采用ImageNet1000数据集预训练MAE模型，并采用公共工业数据集对MAE模型进行初次微调；步骤2：确认待检测晶圆数据；并对MAE模型进行二次微调，得到改进MAE模型；步骤3：筛选标准训练样本；所述标准训练样本内仅包含有合格晶圆样本；步骤4：改进MAE模型基于标准训练样本进行特征提取并构建记忆库；步骤5：由改进MAE模型对待检测晶圆数据进行特征提取；步骤6：按照比对策略比对标准Patch Embedding和待检测晶圆数据的Patch Embedding，并判定得到待检测晶圆数据的合格Patch；步骤7：根据合格Patch确定并分割待检测晶圆数据的异常区域。本发明能够精准检测晶圆，识别精准度较高。

公开(公告)号：CN115063385A

公开(公告)日：2022-09-16

申请号：CN202210762670.1

申请日：2022-06-29

Applicant: 哈尔滨工业大学重庆研究院 ,  哈尔滨工业大学(深圳)

Inventor： 陈斌 ,  陈子和 ,  张元 ,  陈一驰

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及晶圆检测技术领域，公开了一种用于晶圆检测的机器视觉方法，包括以下步骤：步骤1：采用ImageNet1000数据集预训练MAE模型，并采用公共工业数据集对MAE模型进行初次微调；步骤2：确认待检测晶圆数据；并对MAE模型进行二次微调，得到改进MAE模型；步骤3：筛选标准训练样本；所述标准训练样本内仅包含有合格晶圆样本；步骤4：改进MAE模型基于标准训练样本进行特征提取并构建记忆库；步骤5：由改进MAE模型对待检测晶圆数据进行特征提取；步骤6：按照比对策略比对标准Patch Embedding和待检测晶圆数据的Patch Embedding，并判定得到待检测晶圆数据的合格Patch；步骤7：根据合格Patch确定并分割待检测晶圆数据的异常区域。本发明能够精准检测晶圆，识别精准度较高。

公开(公告)号：CN114998670B

公开(公告)日：2024-05-28

申请号：CN202210391286.5

申请日：2022-04-14

Applicant: 哈尔滨工业大学重庆研究院

Inventor： 陈斌 ,  侯孝振 ,  张元 ,  陈子和

IPC: G06V10/774 ,  G06F18/214 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06F40/253 ,  G06F40/289 ,  G06F40/30 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明提供的多模态信息预训练方法及系统，涉及人工智能技术领域，通过构建第一多模态信息，基于MOCO对比学习模型，随机选择第一图像集合中的一个或多个图像进行几何变换，得到第二图像集合，基于MOCO对比学习模型，随机选择第一文本集合中的一个或多个文本进行语法结构变换，得到第二文本集合，分别对第二图像集合中的各个图像进行编码，生成对应的第一高维隐向量集合，根据目标损失值，对第一多模态信息进行预训练，在有限负样本下，使得网络模型能够接触更多的负样本，增大类间距离，有利于细粒度地检索图文，极大地节省了时间，能够达到更好的预训练效果。

公开(公告)号：CN114998670A

公开(公告)日：2022-09-02

申请号：CN202210391286.5

申请日：2022-04-14

Applicant: 哈尔滨工业大学重庆研究院

Inventor： 陈斌 ,  侯孝振 ,  张元 ,  陈子和

IPC: G06V10/774 ,  G06K9/62 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06F40/253 ,  G06F40/289 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供的多模态信息预训练方法及系统，涉及人工智能技术领域，通过构建第一多模态信息，基于MOCO对比学习模型，随机选择第一图像集合中的一个或多个图像进行几何变换，得到第二图像集合，基于MOCO对比学习模型，随机选择第一文本集合中的一个或多个文本进行语法结构变换，得到第二文本集合，分别对第二图像集合中的各个图像进行编码，生成对应的第一高维隐向量集合，根据目标损失值，对第一多模态信息进行预训练，在有限负样本下，使得网络模型能够接触更多的负样本，增大类间距离，有利于细粒度地检索图文，极大地节省了时间，能够达到更好的预训练效果。

公开(公告)号：CN114648515A

公开(公告)日：2022-06-21

申请号：CN202210327618.3

申请日：2022-03-30

Applicant: 哈尔滨工业大学重庆研究院

Inventor： 陈斌 ,  王佑芯 ,  张元 ,  陈子和

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开的印刷缺陷检测模型及印刷缺陷检测方法，涉及人工智能领域，利用2个结构相同的多尺度骨架网络，同时提取参考图像Iref及待检测图像Idet的语义特征图，根据参考图像Iref的多个语义特征图与待检测图像Idet的多个语义特征图，计算参考图像Iref与待检测图像Idet之间的相似度，根据该相似度，判断待检测图像Idet是否存在印刷缺陷，可以有效地检测印刷品中存在的缺陷，提高了检测性能，训练印刷缺陷检测模型时不需要人工标注，极大地降低了训练成本，使用时不需要专业人员进行调试，提高了易用性。