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一种集成电路金属封装深度学习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：CN115713480B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202210243487.0，技术领域涉及：G06T7/00；该发明授权一种集成电路金属封装深度学习缺陷检测方法是由蔡念;陈凯琼;吴振爽;欧阳文生;罗智浩;王晗设计研发完成，并于2022-03-11向国家知识产权局提交的专利申请。

本一种集成电路金属封装深度学习缺陷检测方法在说明书摘要公布了：本发明提供一种集成电路金属封装深度学习缺陷检测方法，该方法首先设计带Transformer的多尺度生成对抗网络GAN，将其命名为MST‑GAN，用于在多个尺度上捕获样本的内在模式，生成多尺度无缺陷模板；然后，设计多尺度权重掩膜来抑制多尺度差分图像中的重建误差；最后在线检测阈值图像中的潜在缺陷并得到缺陷定位；该方法解决了以往GAN会在生成模板中引入大量干扰噪声的问题。提出多尺度权重掩膜方案用于抑制重建误差，提出多尺度自适应阈值，用于突出加权图像的潜在缺陷，提出基于图像块的多尺度缺陷评估方案，对阈值化后多尺度图像的潜在缺陷进行多尺度的充分评估。

本发明授权一种集成电路金属封装深度学习缺陷检测方法在权利要求书中公布了：1.一种集成电路金属封装深度学习缺陷检测方法，其特征在于，包括以下步骤： S1：设计带Transformer的多尺度生成对抗网络GAN，将其命名为MST-GAN，用于在多个尺度上捕获样本的内在模式，生成多尺度无缺陷模板，并设计多尺度损失函数以确保网络收敛； S2：利用输入样本和步骤S1得到的多尺度无缺陷模板按元素作差然后取绝对值得到的多尺度差分图像，并设计多尺度权重掩膜来抑制多尺度差分图像中的重建误差； S3：设计多尺度自适应阈值，对S2得到的多尺度权重掩膜处理后的多尺度差分图像进行处理得到阈值图像，并设计基于图像块的多尺度缺陷评估方案MIPDE对阈值图像中的潜在缺陷进行检测并得到缺陷定位； 所述步骤S3的具体过程是： 1、在每种尺度上对不同的加权多尺度差异图像应用不同的阈值，定义为： Tx,n＝αx·μx,n+σx,n,x＝l,m,s 其中下标x表示输入图像的尺度，l、m、s分别对应大、中、小三种尺度；采用了这样一种多尺度策略，即对于大尺度的图像，我们采用较小的阈值，对于较小的图像，采用较大的阈值，使该方法可以更好地结合各种尺度的特点进行缺陷检测，阈值化后的多尺度图像将用于第2步进行进一步缺陷评估； 2、基于滑动窗口策略，MIPDE可以评估阈值化后的多尺度差值图中突出的潜在缺陷，对于大小为H×W的检查样本，通过滑动窗口策略，得到Row×Col个图像块，滑动窗口大小为w×w，滑动步长ss，其中 对于不同尺度的阈值化后的多尺度差值图，其窗口大小和滑动步长的设定是不同； 设是第n个检测样本在x尺度上的第r,c个图像块中第i,j个像素的第k通道值，该图像块的缺陷概率可以定义为 其中K表示图像块的通道数，在此等于3；然后，图像块的二值缺陷概率图定义为： 其中式中ε为灵敏度因子，如果不小于τ，则相应的图像块被评估为可能有缺陷；否则，它可能是无缺陷的；定义缺陷评估分数来评估第n个样本，该分数是通过三个尺度的所有图像块的二值缺陷概率图计算： 其中表示向下取整,评估方法为： 其中th设置为训练集中所有合格样本的最大缺陷评估分数；如果被检样品的缺陷评价分数不小于th，则该样品判定为不合格，反之亦然。

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：510090 广东省广州市越秀区东风东路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”。