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！

龙图腾网获悉中国科学院深圳先进技术研究院申请的专利一种半监督领域自适应晶圆缺陷识别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：CN119600360B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202411729200.0，技术领域涉及：G06V10/764；该发明授权一种半监督领域自适应晶圆缺陷识别方法及系统是由易正琨;王乙儒;吴新宇;方森林;尹猛设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本一种半监督领域自适应晶圆缺陷识别方法及系统在说明书摘要公布了：本发明公开了一种半监督领域自适应晶圆缺陷识别方法及系统，获取晶圆缺陷源域和目标域的数据集；并对数据集进行预处理；构建交叉对齐网络，使用特征提取器和编码器分别提取预处理后数据集的源域和目标域的图像特征；对于提取到的图像特征，使用分类器得到输出概率，对于未标记数据通过动态阈值策略确定并更新每个类别的伪标签阈值，然后使用逐样本交叉对齐、逐类交叉对齐和一致性正则化方法计算损失函数并进行训练，得到训练好的交叉对齐网络；利用训练好的交叉对齐网络作为预测模型，输出识别目标域未标记数据的晶圆缺陷类别。本发明能够有效实现不同数据集之间的知识迁移，在目标域数据集只有极少量标签比如每个类别只有一个标签的情况下实现较高的识别准确率。

本发明授权一种半监督领域自适应晶圆缺陷识别方法及系统在权利要求书中公布了：1.一种半监督领域自适应晶圆缺陷识别方法，其特征在于，包括以下步骤： 获取晶圆缺陷源域和目标域的数据集；并对数据集进行预处理； 构建交叉对齐网络，使用特征提取器和编码器分别提取预处理后数据集的源域和目标域的图像特征，交叉对齐网络中，代表源域标记数据，代表目标域标记数据，代表目标域无标记数据； 使用源域编码器和目标域编码器将源域和目标域分离开进行学习； 源域编码器将数据映射到源域空间，目标域编码器将数据映射到目标域空间，源域使用源域分类器对源域标记数据进行分类，得到预测概率值；设计目标域分类器和伪标签分类器分别对目标域标记数据和目标域无标记数据进行分类，得到预测概率值； 对于提取到的图像特征，使用分类器得到输出概率，对于未标记数据通过动态阈值策略确定并更新每个类别的伪标签阈值，然后使用逐样本交叉对齐、逐类交叉对齐和一致性正则化方法计算损失函数并进行训练，得到训练好的交叉对齐网络，逐样本交叉对齐具体为： 源样本经过特征提取器后再经过源域编码和目标域编码器得到特征和；和经过分类器得到和；确定源域损失函数；对于目标域样本，经过特征提取器和编码器后得到和；经过分类器得到，经过分类器和后得到和； 逐类交叉对齐具体为： 对于源域样本集，为源域样本及其对应标签；得到和，为源域编码器，为特征提取器，为经过特征提取器和源域编码器后的输出特征，为经过特征提取器和目标域编码器后的输出特征，为目标域编码器； 在和之间做对比学习，最小化正样本对之间的距离，同时最大化负样本对之间的距离，确定源域损失函数； 对于目标域样本，其特征表示为和，先确认伪标签值，最后确定源域损失函数； 动态阈值策略中，将最终的学习效果应用于固定阈值的缩放如下： 其中，为阈值最大值，为最小值，为指示函数，为c类在步骤t处归一化后的学习效果，为c类在步骤t处考虑当前学习状态后的学习效果，为批次batch的大小，为目标域样本的弱增强版本的输出值，为类别的代指，为输出的动态阈值； 将类的学习效果定义为每个类别中预测落入该类且概率大于阈值的样本的数量占预测落入该类的样本数的比率，类在步长处的学习效果为： 其中，为类在步骤处的阈值，为目标域样本的弱增强版本的输出值； 利用训练好的交叉对齐网络作为预测模型，输出识别目标域未标记数据的晶圆缺陷类别。

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中国科学院深圳先进技术研究院，其通讯地址为：518055 广东省深圳市南山区深圳大学城学苑大道1068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。