买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉常州大学申请的专利一种基于深度学习的晶圆瑕疵检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115439428B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211028776.5，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的晶圆瑕疵检测方法是由夏新栋;杨彪;戚璐璐;兰昊;姜丰;王睿;杨长春设计研发完成，并于2022-08-26向国家知识产权局提交的专利申请。

本一种基于深度学习的晶圆瑕疵检测方法在说明书摘要公布了：本发明属于晶圆检测技术领域，提出了一种基于深度学习的晶圆瑕疵检测方法。基于现有YOLOv7目标检测算法改进获得教师网络和学生网络，二者组成双通道教师‑学生网络；输入图像经教师网络训练获得泛在瑕疵区域；训练过程中教师网络获得的泛在瑕疵信息经蒸馏知识迁移至学生网络；输入图像经学生网络训练获得泛在瑕疵区域内的细分瑕疵；最终测试阶段仅保留训练完成的学生网络，输入图像获得晶圆的正常与否以及晶圆的缺陷类别。本发明能够保证瑕疵细分的实时性，保证学习效果，改善细分瑕疵检测表现。

本发明授权一种基于深度学习的晶圆瑕疵检测方法在权利要求书中公布了：1.一种基于深度学习的晶圆瑕疵检测方法，其特征在于，基于现有YOLOv7目标检测算法改进获得教师网络和学生网络，二者组成双通道教师-学生网络；输入图像经教师网络训练获得泛在瑕疵区域，记泛在瑕疵区域概率为PA，图像为正常的概率PN＝1-PA；训练过程中教师网络获得的泛在瑕疵信息经蒸馏知识迁移至学生网络；输入图像经学生网络训练获得泛在瑕疵区域内的细分瑕疵，即特定瑕疵的概率Pj，j＝1,...,M，M表示泛在瑕疵区域数目；最终测试阶段仅保留训练完成的学生网络，输入图像获得晶圆的正常与否以及晶圆的缺陷类别； 教师网络包括现有YOLOv7目标检测算法的主干网络、注意力增强机制、多任务学习机制以及融合模块；学生网络包括改进的YOLOv7目标检测算法的主干网络、注意力增强机制、多任务学习机制以及融合模块；改进的YOLOv7目标检测算法的主干网络为基于现有YOLOv7目标检测算法的主干网络基础上进行精简，仅使用两组CSP瓶颈层模块；多任务学习机制包括泛在瑕疵的检测和细分瑕疵的检测；训练教师网络时仅进行泛在瑕疵的检测任务，训练学生网络时仅进行细分瑕疵的检测任务；融合模块用于将多任务学习机制的输出结果进行拼接，输出瑕疵概率以及瑕疵图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人常州大学，其通讯地址为：213164 江苏省常州市武进区湖塘镇滆湖中路21号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。