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！

龙图腾网获悉南京百识电子科技有限公司申请的专利一种碳化硅外延生长实时缺陷检测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：CN121391847B 。

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：202511923588.2，技术领域涉及：G06T7/00；该发明授权一种碳化硅外延生长实时缺陷检测方法是由胡智威;蔡长祐设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种碳化硅外延生长实时缺陷检测方法在说明书摘要公布了：本发明涉及碳化硅缺陷检测，公开了一种碳化硅外延生长实时缺陷检测方法，基于分层成像策略与三级维度注意力机制提高检测效率，采用分层成像策略进行全局初检，快速筛选无缺陷样本，规避无效精检；切换至高分辨率小视场成像采集局部图像，为后续检测提供针对性数据，提高检测效率；三级维度注意力机制，通过全局统计池化、局部峰值池化、时序趋势池化三个关联角度强化关键维度，结合维度互信息挖掘关联关系，经双分支权重融合生成维度注意力权重，抑制冗余、强化关键特征；结合图像预处理优化局部图像质量，在CNN‑LSTM混合模型中引入时序注意力以获取时空特征，通过轻量化分类器输出缺陷类别及置信度以提高实时缺陷检测效率。

本发明授权一种碳化硅外延生长实时缺陷检测方法在权利要求书中公布了：1.一种碳化硅外延生长实时缺陷检测方法，其特征在于，包括以下步骤： 采用分层成像策略采集全局图像和局部图像，根据全局图像快速筛选无缺陷样本； 采用自适应中值滤波算法对局部图像进行噪声抑制得到去噪局部图像；基于自适应直方图均衡化对去噪局部图像进行灰度分布调整得到灰度局部图像；采用拉普拉斯算子对灰度局部图像进行边缘增强得到增强局部图像； 采集连续增强局部图像作为输入序列，引入时序注意力机制得到加权输入序列；通过CNN-LSTM混合模型提取空间特征和时序特征并融合得到融合特征；基于融合特征采用全局统计池化、局部峰值池化、时序趋势池化获取多维度向量，引入维度间互信息和双分支注意力网络得到优化特征；将优化特征输入到轻量化分类器中输出最终检测结果； 其中，所述加权输入序列的计算方法，包括： 以输入序列中当前帧的前一帧为基准帧计算特征相关性，对特征相关性进行归一化得到各帧注意力权重，将当前帧和基准帧加权求和对输入序列进行更新得到加权输入序列； 所述基于融合特征采用全局统计池化、局部峰值池化、时序趋势池化获取多维度向量，包括：基于融合特征采用全局统计池化计算所有特征的平均值，得到全局响应强度；采用3元素滑动窗口方法，取窗口内最大值生成每个维度的局部峰值分量；采用时序趋势池化以帧间特征变化率的均值进行计算得到每个维度的时序趋势分量；获得全局响应强度、局部峰值分量和时序趋势分量三个分量后，采用min-max归一化方法将三个分量映射至[0,1]区间并拼接得到多维度向量； 所述引入维度间互信息和双分支注意力网络得到优化特征，包括：计算多维度向量的维度间互信息及各维度平均互信息，通过双分支注意力网络生成维度注意力权重，利用维度注意力权重对融合特征进行逐维度加权得到优化特征； 所述计算多维度向量的维度间互信息，包括：通过直方图估计法将多维度向量离散为8个区间后根据频数得到概率分布并计算单维度信息熵；根据两个维度的联合频数计算两维度联合信息熵；将两个单维度信息熵相加再减去两维度联合信息熵得到维度互信息； 所述生成维度注意力权重，包括：将多维度向量压缩至一维并归一化得到维度自适应权重，将平均互信息进行归一化得到互信息权重，通过softmax函数融合维度自适应权重与互信息权重得到维度注意力权重。

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京百识电子科技有限公司，其通讯地址为：211806 江苏省南京市浦口区大余所路5号中科创新产业园A11栋；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。