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！

龙图腾网获悉东北大学申请的专利基于多模态深度学习的晶圆混合型缺陷检测方法和系统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：CN120431401B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510596982.3，技术领域涉及：G06V10/764；该发明授权基于多模态深度学习的晶圆混合型缺陷检测方法和系统是由李明宣;苏涵光;石宸宁;谢宇涵;张彦达;成雄湘;孙建一;张为之设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本基于多模态深度学习的晶圆混合型缺陷检测方法和系统在说明书摘要公布了：本发明提供一种基于多模态深度学习的晶圆混合型缺陷检测方法和系统，方法包括：获取晶圆的多模态图像；其中，多模态图像包括明场图像、暗场图像和微分干涉对比图像；将多模态图像进行归一化处理；将归一化处理后的多模态图像进行通道拼接，得到多通道输入图像；基于双分支深度学习网络，检测多通道输入图像的缺陷类型、缺陷数量、缺陷边界框坐标、缺陷类型的第一概率分布和缺陷数量的第二概率分布；将第一概率分布和第二概率分布进行加权融合，得到缺陷检测结果，能够有效提升缺陷的检测精度，显著降低漏检率，同时解决了传统单模态检测方法在复杂背景下识别能力不足的问题。

本发明授权基于多模态深度学习的晶圆混合型缺陷检测方法和系统在权利要求书中公布了：1.一种基于多模态深度学习的晶圆混合型缺陷检测方法，其特征在于，包括： 获取晶圆的多模态图像；其中，所述多模态图像包括明场图像、暗场图像和微分干涉对比图像； 将所述多模态图像进行归一化处理； 将归一化处理后的多模态图像进行通道拼接，得到多通道输入图像； 基于双分支深度学习网络，检测所述多通道输入图像的缺陷类型、缺陷数量、缺陷边界框坐标、所述缺陷类型的第一概率分布和所述缺陷数量的第二概率分布； 将所述第一概率分布和所述第二概率分布进行加权融合，得到缺陷检测结果； 所述双分支深度学习网络包括第一分支和第二分支，所述基于双分支深度学习网络，检测所述多通道输入图像的缺陷类型、缺陷数量、缺陷边界框坐标、所述缺陷类型的第一概率分布和所述缺陷数量的第二概率分布，包括： 将所述多通道输入图像输入到第一分支的轻量化ResNet网络中，提取缺陷的纹理特征和几何特征，生成特征向量； 对所述特征向量进行全局平均池化，得到降维特征向量； 将所述降维特征向量输入到全连接层，并通过Sigmoid激活函数输出缺陷类型以及对应的第一概率分布； 将所述多通道输入图像输入到第二分支的基础卷积中，提取所述多通道输入图像的初始特征； 基于所述初始特征，输出缺陷数量以及对应的第二概率分布； 将缺陷数量的第二概率分布重塑为特征图，以表征缺陷数量的空间分布； 将初始的多模态图像输入到第二分支中，通过多层卷积操作提取多模态图像的空间特征； 将所述空间特征与所述特征图进行拼接，得到特征拼接图； 对所述特征拼接图进行检测，得到缺陷边界框坐标； 所述将所述第一概率分布和所述第二概率分布进行加权融合，得到缺陷检测结果，包括： 根据缺陷数量动态调整第一分支和第二分支的权重； 根据第一分支和第二分支的权重，融合缺陷类型的第一概率分布和缺陷数量的第二概率分布，得到融合结果； 使用联合损失函数对融合结果进行优化，得到缺陷检测结果； 所述使用联合损失函数对融合结果进行优化，得到缺陷检测结果，包括： ； 其中，Loss为联合损失函数，为分类交叉熵损失，为GIoU定位损失，为缺陷数量均方误差损失，为的系数，为的系数。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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”。

以上内容由龙图腾AI智能生成。