天津伍嘉联创科技发展股份有限公司乔艳军获国家专利权
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!
龙图腾网获悉天津伍嘉联创科技发展股份有限公司申请的专利一种基于深度学习的石英晶振精准入槽检测方法及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:CN120672764B 。
龙图腾网通过国家知识产权局官网在2025-11-04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:202511188068.1,技术领域涉及:G06T7/00;该发明授权一种基于深度学习的石英晶振精准入槽检测方法及系统是由乔艳军;袁东秀;赵永波;高杨;范境烨设计研发完成,并于2025-08-25向国家知识产权局提交的专利申请。
本一种基于深度学习的石英晶振精准入槽检测方法及系统在说明书摘要公布了:本发明涉及电子元件制造、机器视觉与深度学习交叉技术领域,提供一种基于深度学习的石英晶振精准入槽检测方法及系统,方法包括采集不同检测工位的晶振图像,并对晶振图像进行预处理,获得输入图像;构建深度学习网络模型;通过骨干网络对输入图像进行特征提取,获得高维特征图;通过颈部网络对高维特征图进行深浅层特征融合和进一步特征提取,获得预测输入特征图;通过头部网络对预测输入特征图进行特征提取,获得预测特征图;对预测特征图进行后处理获得最优预测框;根据最优预测框进行晶振入槽检测。本发明实现了对晶振图像中晶振是否入槽的精准检测与识别,具有检测精度高、泛化能力强、检测效率高和成本低等优点。
本发明授权一种基于深度学习的石英晶振精准入槽检测方法及系统在权利要求书中公布了:1.一种基于深度学习的石英晶振精准入槽检测方法,其特征在于,包括: S1:采集不同检测工位的晶振图像,并对晶振图像进行预处理,获得输入图像; S2:构建深度学习网络模型,所述深度学习网络模型包括Backbone网络、Neck网络以及Head网络; 所述Backbone网络包括依次堆叠的CBS模块、包含1个RESBlock的CSSPX模块、RES-SE模块、包含2个RESBlock的CSSPX模块、RES-SE模块、包含4个RESBlock的CSSPX模块、包含6个RESBlock的CSSPX模块、包含8个RESBlock的CSSPX模块; 所述RES-SE模块的工作过程为: 卷积核为3×3的CBS模块的输出特征图经过EDC-SE模块获得权值向量,将权值向量通过乘法操作逐通道加权到原卷积核为3×3的CBS模块的输出特征图上,再将通过卷积核为3×3的CBS模块的特征与原RES-SE模块的输入特征相加,获得RES-SE模块的输出特征; 所述EDC-SE模块的工作过程为: 所述EDC-SE模块的输入特征分为两路,其中一路通过依次堆叠的全局平均池化层和卷积核为1×1的CBS模块,获得第四特征,另一路通过依次堆叠的全局最大池化层和卷积核为1×1的CBS模块,获得第五特征,将第四特征和第五特征进行拼接,再与激活函数相连,获得所述EDC-SE模块的输出特征; S3:通过Backbone网络对输入图像进行特征提取,获得高维特征图;通过Neck网络对高维特征图进行深浅层特征融合和进一步特征提取,获得预测输入特征图;通过Head网络对预测输入特征图进行特征提取,获得预测特征图; S4:预测特征图通过预测框的Decode解码生成预测框;通过NMS非极大值抑制对预测框进行冗余剔除,获得最优预测框; 计算表达式为: 其中,为第个预测框的置信度得分,为所有预测框中置信度得分最高的预测框,为第个被比较的预测框,为两个预测框交集与并集的比值,为人工设定的阈值,σ为连续惩罚项系数; S5:根据最优预测框进行晶振入槽检测。
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天津伍嘉联创科技发展股份有限公司,其通讯地址为:300450 天津市滨海新区滨海高新区塘沽海洋科技园新北路4668号创新创业园30-A号厂房一层局部和西二层;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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励