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！

龙图腾网获悉南昌工程学院申请的专利一种基于CNN和TRANSFORMER的FPC缺陷分类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：CN115147643B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202210643976.5，技术领域涉及：G06V10/764；该发明授权一种基于CNN和TRANSFORMER的FPC缺陷分类方法是由邓承志;罗林杰;吴朝明;汪胜前;孙小惟;徐晨光设计研发完成，并于2022-06-09向国家知识产权局提交的专利申请。

本一种基于CNN和TRANSFORMER的FPC缺陷分类方法在说明书摘要公布了：本发明公开了一种基于CNN和TRANSFORMER的FPC缺陷分类方法，该方法以基于CNN和TRANSFORMER设计的CTNet为分类模型，步骤如下：S1.采集目标缺陷图像，对FPC原始图像数据进行预处理；S2.对预处理后的图像进行数据增强处理，扩大图像数据集；S3.对增强后的图像数据集进行人工分类；S4.对人工分类后的图像数据，按比例划分训练集和验证集；S5.模型训练，将划分好的图像训练集送进CTNet网络模型进行训练；S6.对训练好的FPC分类检测模型进行性能评估；S7.参数优化微调，结合S6的评估结果，对模型进行进一步的优化。本发明实现了FPC缺陷的自动分类，具有较好的通用性，分类速度快且对电脑性能要求低，能够大幅度降低了企业的生产成本。

本发明授权一种基于CNN和TRANSFORMER的FPC缺陷分类方法在权利要求书中公布了：1.一种基于CNN和TRANSFORMER的FPC缺陷分类方法，其特征在于，包括如下步骤： S1.采集现场柔性电路板缺陷图像，对FPC原始图像数据进行预处理； S2.对预处理后的图像进行数据增强处理； S3.对增强处理后的图像数据进行分类处理； S4.将分类好的图像数据集按比例划分为训练集和验证集； S5.模型训练，将划分好的图像训练集送入构建好的CTNet网络模型进行训练，训练出FPC缺陷分类模型，其中，包括： 对输入的图像进行降维处理，将输入的图像首先放缩成448*448*3的维度，再经过一个3*3的卷积层和一个最大池化层，获得维度为224*224*3的特征图， 首先将降维后的特征图进行一次3*3卷积层，将通道维度提升至128；然后输入到卷积块，所述卷积块由四条支路组成，第一条支路为一个1*1卷积层、一个3*3卷积层和一个1*1卷积层，第二条支路为2个3*3卷积层，第三条支路为一个1*1卷积层、一个3*3卷积层和一个1*1卷积层，第四条支路是一个最大池化层；提升维度后的特征图分别通过前三条支路，再将前三条支路生成的特征图进行特征融合，然后和第四条支路生成的特征图进行Concat融合，融合后进入最大池化层，生成维度为112*112*128的特征图，并将获得特征图再连续经过三个结构相同的CNN块，最后生成维度为14*14*1024的特征图； 对经过四个CNN块后生成的特征图进行Flatten操作，将3维特征图转换成2维特征向量，再送入TRANSFORMER块；其中TRANSFORMER块包括自注意力层、两个全连接层和激活函数层；2维特征向量块先通过自注意力层，再通过一个全连接层、一个激活函数层和一个全连接层，输出的结果再和未经过自注意力层的2维特征向量做特征融合，重复四个TRANSFORMER块操作最后生成维度为196*1024的2维特征向量；维度为196*1024的2维特征向量再经过两个结构相同的TRANSFORMER块，这两个结构相同的TRANSFORMER块反复叠加n次，叠加次数n由公式1计算可得，N为FPC需要检测的缺陷数量，最后生成的2维特征向量的维度为196*1536； 1； S6.对训练好的FPC缺陷分类模型进行性能评估； S7.参数优化，结合S6的评估结果，对FPC缺陷分类模型进一步优化微调，其中，进一步优化微调通过增大训练Batch、增加训练样本数量、修改学习率、迭代次数来实现。

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南昌工程学院，其通讯地址为：330200 江西省南昌市高新区天祥大道289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。