買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西安電子科技大學申請的專利一種基于改進卷積變分自編碼器的芯片表面缺陷并行檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114463280B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210029841.X，技術領域涉及：G06T7/00；該發明授權一種基于改進卷積變分自編碼器的芯片表面缺陷并行檢測方法是由任獲榮;馬振;韓健;平續斌;焦小強;張志新設計研發完成，并于2022-01-12向國家知識產權局提交的專利申請。

本一種基于改進卷積變分自編碼器的芯片表面缺陷并行檢測方法在說明書摘要公布了：本發明公開了一種基于改進卷積變分自編碼器的芯片表面缺陷并行檢測方法，改善了現有技術中芯片表面缺陷檢測仍須智能化的問題。該發明含有以下步驟，步驟1，芯片圖像采集與預處理；步驟2，構建并訓練改進的卷積變分自編碼器；步驟3，對待測芯片進行實時缺陷檢測。本發明對傳統的變分自編碼器進行了部分改進，僅使用正常樣本進行無監督訓練，無需有標注的缺陷樣本數據，就能夠檢測出與正常樣本相異的所有缺陷，減少了人力物力，同時該方法將原始圖像分解成多個子圖像后并行處理，可以高效快速低成本地對芯片表面進行各類缺陷檢測。

本發明授權一種基于改進卷積變分自編碼器的芯片表面缺陷并行檢測方法在權利要求書中公布了：1.一種基于改進卷積變分自編碼器的芯片表面缺陷并行檢測方法，其特征在于：含有以下步驟， 步驟1，芯片圖像采集與預處理； 步驟2，構建并訓練改進的卷積變分自編碼器；包含以下步驟： 步驟2.1、構建改進的卷積變分自編碼器網絡，該網絡由一個編碼器和一個解碼器構成： 設置編碼器包含有五個卷積子模塊，每個卷積子模塊均由兩個全卷積層和一個最大池化層構成，用于卷曲圖像特征并減少參數數量，解碼器結構含有與編碼器完全對稱的結構，將卷積層變為轉置卷積層，最大池化層變為最大反池化層，在編碼器和解碼器的各個卷積子模塊之間，加入自注意力模塊CBAM和深度連接注意力網絡模塊DCAnet進行連接，其中CBAM模塊又包含有通道注意力子模塊CAM和空間注意力子模塊SAM； 步驟2.2、訓練卷積變分自編碼器： 在訓練階段將采集到的正常芯片表面圖像輸入改進的卷積變分自編碼器網絡中，使用交叉熵損失作為重構損失，并計入為損失函數中的一項，計算方式如下：Loss1＝||x'-x||2其中x'表示重構圖像數據，x表示輸入圖像數據；同時，為了將編碼器正則化，使用KL散度作為損失函數的另一項，Loss2＝KLNμ,σ2|N0,1，其中Nμ,σ2為輸入圖像數據在低維潛在空間表示中隱變量的正態分布，顯然均值μ,方差σ2為該隱變量的特征參數，N0,1為標準正態分布，該過程總的損失函數則為Loss＝Loss1+Loss2，而另一編碼器E2的網絡結構與編碼器E1完全一致； 步驟3，對待測芯片進行實時缺陷檢測；包含以下步驟：實時采集工業生產線上的待測芯片表面圖像，將采集到的待測芯片圖像同樣分解為NxN個像素為SxT大小相同的圖像，創建多個圖像檢測任務，為每個圖像檢測任務創建一個線程，多個線程并行處理圖像缺陷檢測任務，將實時采集的芯片表面圖像分別輸入檢測網絡中的編碼器E1和編碼器E2，以便編碼器E1提取出正常芯片表面圖像的顯著特征，且該特征用低維潛在空間表示C1，并用經解碼器D1生成重構圖像； 當輸入的芯片表面圖像Q1存在缺陷時，網絡模型中的編碼器E2會提取出缺陷圖像特征，并獲得該圖像的低維潛在空間特征表示C2，記||C1-C2||為芯片表面缺陷異常分數得分值之一，卷積變分自編碼器網絡模型中與編碼器E2相連接的解碼器D1在生成重構圖像的過程中能夠自動去除缺陷特征，而保留正常特征；于是將缺陷芯片的重構圖像Q2與輸入的缺陷芯片表面圖像Q1相減得到殘差圖，殘差圖含有的信息不僅能夠判定待測芯片是否存在缺陷而且能夠標定出缺陷位置，將殘差圖進行數字化處理得到其具體數值表示||Q1-Q2||記為另一缺陷得分值，將上述兩個缺陷得分值進行加權求和，于是獲得最終的異常得分值的計算公式M＝λ1||C1-C2||+λ2||Q1-Q2||，將該異常得分值值與設定的閾值進行比較，超過閾值則認定為存在缺陷，并利用殘差圖標定缺陷。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2號西安電子科技大學北校區；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。