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！

龙图腾网获悉湖南师范大学申请的专利一种基于YOLOv11m应用于边缘设备的芯片封装缺陷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：CN120219388B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510694812.9，技术领域涉及：G06T7/00；该发明授权一种基于YOLOv11m应用于边缘设备的芯片封装缺陷检测方法是由李幸原;邓月明;周子愿设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本一种基于YOLOv11m应用于边缘设备的芯片封装缺陷检测方法在说明书摘要公布了：本发明涉及计算机视觉目标检测领域，提出一种基于YOLOv11m应用于边缘设备的芯片封装缺陷检测方法，其方法包括：获取芯片封装缺陷数据集，对其进行数据增强并划分为训练集、测试集和验证集；对该模型网络结构进行创新，骨干网络采用Starnet网络并结合C2CGA和SimAM等模块，强化特征提取与关键特征捕捉，颈部网络引入GSConv技术和以其为基础的改进模块，优化特征金字塔结构，检测头借助创新的LWNBDet检测头融合多尺度特征，实现高效目标预测；将数据集导入检测模型训练，得到改进后的模型；改进后的模型在保持检测精度的同时，显著提高检测速度，减小模型大小与计算量，提升了在边缘设备部署的可行性。

本发明授权一种基于YOLOv11m应用于边缘设备的芯片封装缺陷检测方法在权利要求书中公布了：1.一种基于YOLOv11m应用于边缘设备的芯片封装缺陷检测方法，其特征在于， 包括如下步骤： 步骤1，拍摄封装芯片的图像，对图像中的缺陷位置进行坐标标记，导出坐标文件与图像组成数据集； 步骤2，对数据集的数据增强，包括对图像进行裁剪和拼接，对图像进行翻转，调整图像的亮度、对比度和饱和度； 步骤3，将数据集按照8:1:1的比例划分为训练集、测试集和验证集； 步骤4，搭建YOLOv11-ALE目标检测模型，其网络结构包括Backbone模块、Neck模块和Head模块，分别负责特征提取、特征融合以及目标预测； 所述Backbone模块采用Starnet网络结构，然后将原有的C2PSA模块替换为C2CGA模块，用于调整通道间特征关联，再增加SimAM注意力模块强化关键特征输出； 所述Neck模块，引入轻量级卷积技术GSConv，替换原有的Conv模块，将标准卷积与深度卷积结合，通过1×1卷积混合通道输出，然后将原有的C3k2模块替换为以GSConv为基础的MSR-VoVGSCSP模块，经跨级连接与融合策略，完成特征处理与结构优化； 所述Head模块采用LWNBDet检测头，借助双向特征传播架构，跨尺度连接融合多尺度特征，以加权方式确定特征重要性； 步骤5，将数据集导入网络进行训练，得到改进后的目标检测模型； 步骤6，将得到的模型的格式转换为边缘设备兼容格式，移植到边缘设备，对芯片封装缺陷进行检测； 所述Starnet网络结构采用四阶段分层架构，首先，输入图像先经卷积层、批量归一化和ReLU6激活函数处理，初步提取特征，随后进入StarBlocks进一步提取特征；其次，再次通过卷积层下采样，特征图尺寸进一步减小、通道数增多，接着由StarBlocks提取更抽象特征；然后，重复卷积下采样过程，特征图分辨率持续降低、通道数继续翻倍，经StarBlocks让特征表达更丰富；最后，又一次卷积下采样，之后经StarBlocks提取特征，通过全局平均池化和全连接层输出结果； 将所述Backbone模块的基准模型网络结构中C2PSA模块替换为C2CGA模块，C2CGA嵌入基准模型后，输入特征图按通道切分多组，输入通道数为1024，分成16组，每组通道数为64，各特征组独立计算注意力；级联融合时，前序输出与当前组拼接处理，增强跨尺度交互，优化网络结构； 在所述Backbone模块引入SimAM注意力机制，首先接收上一层输出的特征图；接着，基于神经科学的“空间抑制”理论构建能量函数，求解得到各神经元重要性数值，生成涵盖通道与空间维度的3D注意力权重； 随后，经sigmoid函数处理这些权重后，与原特征图逐元素相乘；最终，输出处理后的特征图； 所述轻量级卷积技术GSConv将输入特征图分为两组，一组经标准卷积，另一组经深度可分离卷积，后通过通道重排融合特征； 所述MSR-VoVGSCSP模块，是以GSConv为基础构建，将输入特征图经跨级连接分为两个分支，在每个分支进行GSConv操作，并引入多尺度的3×3与5×5卷积核并行，处理分支特征，捕捉不同尺度信息，各分支输出残差连接传递的浅层特征进行逐元素相加融合，再通过拼接融合分支特征； 所述LWNBDet检测头以双向特征传播架构为基础，从骨干网络分层获取差异化尺度特征集；通过构建交叉层级特征流通路径，消除冗余单向连接节点，增设同级特征直连通道，并采用自适应权重分配机制对各输入特征进行参数化处理，经归一化融合策略优化后，将整合特征输出至目标定位与分类预测模块。

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湖南师范大学，其通讯地址为：410081 湖南省长沙市岳麓区麓山路36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”。