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！

龙图腾网获悉广东工业大学申请的专利基于多层卷积网络的贴片电阻微空洞与焊点特征提取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：CN114548231B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202210092470.X，技术领域涉及：G06V10/44；该发明授权基于多层卷积网络的贴片电阻微空洞与焊点特征提取方法是由陈梅云;黄心阳;庞水玲;王倩雪设计研发完成，并于2022-01-26向国家知识产权局提交的专利申请。

本基于多层卷积网络的贴片电阻微空洞与焊点特征提取方法在说明书摘要公布了：本发明涉及工业电子元器件检测的技术领域，更具体地说，它涉及基于多层卷积网络的贴片电阻微空洞与焊点特征提取方法，其技术方案要点是：S1、构建微空洞、焊点训练数据集和测试数据集；S2、基于残差多尺度跳跃连接网络RMSC‑Net对微空洞进行检测；S3、基于循环卷积神经网络RU‑Net对焊点进行检测；S4、用训练好的模型进行检测，得到检测结果。本发明具有算法识别分割精度高、抗干扰能力强的优点。

本发明授权基于多层卷积网络的贴片电阻微空洞与焊点特征提取方法在权利要求书中公布了：1.基于多层卷积网络的贴片电阻微空洞与焊点特征提取方法，其特征在于，包括以下步骤： S1、设置CT设备的加速电压，靶功率和放大倍数，以获取贴片电阻微空洞和焊点清晰的图像； S2、通过CT设备采集样品图片数据，对采集到的贴片电阻微空洞及焊点数据进行标注，使每一个标注文件包含图像中微空洞和焊点的特征和位置信息； S3、通过裁剪、旋转和改变亮度的方式提高网络的泛化性，达到数据增强的效果； S4、将增强后的微空洞与焊点的训练数据分别输入到RMSC-Net和RU-Net中进行训练，RMSC-Net提取微空洞的特征，RU-Net提取焊点的特征； S5、通过二值交叉熵损失函数调整神经元的权值，将两个网络输出的结果进行融合，最终实现对微空洞和焊点的特征提取； S6、用训练好的模型进行检测，得到检测结果； 所述步骤S1具体为： 在二维X射线检测模式时，将CT设备的加速电压和靶功率分别设置为100KV和4W，根据样品的大小来设置放大倍数，放大倍数在10-50倍之间； CT设备采集的图像分辨率为1004×1004，为了使各个网络的输出图像与输入图像尺寸一致，在1004×1004像素图像的上下左右都填充2个像素得到1008×1008的图像； 由于CT图像的边缘偏白，所以采用255，255，255对图像进行预处理填充； 所述步骤S4具体包括以下步骤： S41、RMSC-Net架构包括卷积层、池化层、残差层、多尺度跳跃连接层和上采样层；将CT设备采集的X射线图像及其对应的微空洞标签，包括数据增强后的图像与对应标签，均输入到卷积层中，采用的卷积层是两个分别具有64个卷积核；每个卷积层是filtersize为3×3，padding为1的卷积操作，批量归一化和LeakyReLU激活函数的复合函数，LeakyReLU激活函数定义为： LeakyReLUx＝max0,x+negative_slope*min0,x S42、卷积层后再通过filtersize为2的最大池化层获得图像的高级语义特征，去除X射线图像的冗余信息，最大池化后紧接着两个分别具有128个卷积核的卷积层；编码器共有4个最大池化层，前三个最大池化后的特征图数量都翻倍；为减小计算量，最后一个池化层之后的特征图数量保持不变；最后一个池化层之后是瓶颈阶段，采用残差连接，解决了梯度弥散或梯度爆炸的问题；将残差模块定义为： yout＝Fxin,{Wi}+xin 其中，xin和yout分别是所考虑层的输入和输出向量，函数Fxin,{Wi}表示待学习的残差映射。

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广东工业大学，其通讯地址为：510062 广东省广州市东风东路729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”。