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！

龙图腾网获悉武汉科技大学申请的专利基于隐私保护的类不平衡晶圆缺陷模式识别方法及装置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：CN116167965B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211538159.X，技术领域涉及：G06T7/00；该发明授权基于隐私保护的类不平衡晶圆缺陷模式识别方法及装置是由张永;李显赫;郑英;郑秀娟;兰儒恺设计研发完成，并于2022-12-01向国家知识产权局提交的专利申请。

本基于隐私保护的类不平衡晶圆缺陷模式识别方法及装置在说明书摘要公布了：本发明提供一种基于隐私保护的类不平衡晶圆缺陷模式识别方法及装置，涉及模式识别技术领域，该方法包括：第一客户端从样本数据集中，获取第一样本子集和第二样本子集；对第一样本子集中每一类缺陷模式下的样本晶圆图像进行数据增广，对第二样本子集中每一类缺陷模式下的样本晶圆图像进行降采样；基于与各第二客户端之间的连通拓扑矩阵，以及数据增广后的第一样本子集和降采样后的第二样本子集，进行联邦学习训练，得到最优缺陷模式识别模型；最优缺陷模式识别模型用于根据目标晶圆图像，输出目标晶圆图像的缺陷模式识别结果；第一客户端和第二客户端位于同一联邦学习框架中。本发明实现提高了晶圆缺陷模式识别的鲁棒性、泛化性以及精准性。

本发明授权基于隐私保护的类不平衡晶圆缺陷模式识别方法及装置在权利要求书中公布了：1.一种基于隐私保护的类不平衡晶圆缺陷模式识别方法，其特征在于，包括： 第一客户端从样本数据集中，获取第一样本子集和第二样本子集；所述第一样本子集中每一类缺陷模式下的样本数量小于第一预设值，所述第二样本子集中每一类缺陷模式下的样本数量大于或等于所述第一预设值； 对所述第一样本子集中每一类缺陷模式下的样本晶圆图像进行数据增广，对所述第二样本子集中每一类缺陷模式下的样本晶圆图像进行降采样； 基于与各第二客户端之间的连通拓扑矩阵，以及数据增广后的第一样本子集和降采样后的第二样本子集，进行联邦学习训练，得到最优缺陷模式识别模型；所述最优缺陷模式识别模型用于根据目标晶圆图像，输出所述目标晶圆图像的缺陷模式识别结果；所述第一客户端和所述第二客户端位于同一联邦学习框架中； 所述最优缺陷模式识别模型的训练步骤包括： 对于当前次模型训练，根据所述连通拓扑矩阵，在多个第二客户端中获取与所述第一客户端连通的目标客户端； 接收各目标客户端在所述当前次模型训练过程中得到的局部模型参数；所述局部模型参数是由各目标客户端，基于各自本地存储的经过数据增广和降采样之后的样本数据集，以及与各目标客户端连通的客户端在上一次模型训练的过程中得到的全局模型参数，对各自本地存储的初始缺陷模式识别模型进行本地训练获取的； 基于所述数据增广后的第一样本子集和所述降采样后的第二样本子集，以及所述局部模型参数，获取所述当前次模型训练对应的全局模型参数； 将所述当前次模型训练对应的全局模型参数，发送至各目标客户端，迭代执行模型训练步骤，直到全局模型参数对应的缺陷模式识别模型满足预设终止条件； 根据最后一次模型训练对应的全局模型参数，构建所述最优缺陷模式识别模型； 所述最优缺陷模式识别模型包括基于多头注意力机制构建的视觉变换器VIT模型； 所述VIT模型包括嵌入层、编码层和分类层； 所述嵌入层用于对所述目标晶圆图像进行嵌入特征提取，输出所述目标晶圆图像的嵌入矩阵； 所述编码层用于基于多头自注意力机制和所述嵌入矩阵，对所述目标晶圆图像进行特征图提取，输出所述目标晶圆图像的特征图； 所述分类层，用于根据所述目标晶圆图像的特征图进行缺陷模式识别，输出所述目标晶圆图像的缺陷模式识别结果。

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武汉科技大学，其通讯地址为：430081 湖北省武汉市青山区和平大道947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。