-
公开(公告)号：CN116500042B
公开(公告)日：2024-01-26
申请号：CN202310516332.4
申请日：2023-05-09
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
IPC: G01N21/88
Abstract: 本申请提供一种缺陷检测方法、装置、系统及存储介质，涉及缺陷检测技术领域。缺陷检测系统包括条纹光源和相机。方法包括：获取相机拍摄条纹光源照射下的待检物得到的相机图像；对相机图像进行预处理，以得到待检图像；将待检图像输入经过训练的、基于PatchCore算法构建得到的预设缺陷检测模型，以得到待检图像中的缺陷特征与预设缺陷检测模型中的特征库对比后生成的异常得分热力图。如此，可以改善常规检测算法在进行微弱凹凸缺陷检测时，缺陷的召回率低、漏检率大、准确性不足的问题。
-
公开(公告)号：CN116596875A
公开(公告)日：2023-08-15
申请号：CN202310527795.0
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
IPC: G06T7/00 , G06T3/00 , G06T7/136 , G06T7/13 , G06N3/0464 , G06N3/088 , G06V10/764 , G06V10/82 , G06V10/40
Abstract: 本申请提供一种晶圆缺陷检测方法、装置、电子设备及存储介质。方法包括：获取通过相机拍摄晶圆得到的相机图像；对相机图像进行预处理，得到待检图像；将待检图像输入预设缺陷检测模型，得到表征晶粒是否存在缺陷的检测结果；当检测结果为晶粒存在缺陷时，从预设缺陷检测模型检测待检图像过程中提取的特征图中，分割得到表征缺陷区域的子特征图，并从预设缺陷检测模型检测待检图像过程中生成的异常得分热力图中，分割得到表征缺陷区域的注意力图；将子特征图和注意力图输入预设分类器，得到表征缺陷类别的分类结果。如此，可以改善传统晶圆检测中，海量异常样本难采集、异常检测无法适应晶圆工艺正常变化以及缺乏缺陷类别信息的问题。
-
公开(公告)号：CN119800502A
公开(公告)日：2025-04-11
申请号：CN202510010520.9
申请日：2025-01-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 嘉兴固美科技有限公司
Abstract: 本申请提供一种纳米聚晶金刚石及其制备方法，涉及超硬材料技术领域。本申请提供的纳米聚晶金刚石的制备方法首先通过使用化学气相沉积法生长得到的高纯度低杂质的CVD多晶金刚石为初始样品，CVD多晶金刚石由于在真空环境中反应合成，不会引入内部杂质；进一步通过高温中压第一处理将CVD多晶金刚石转化为纳米多晶石墨块体，再原位将压力温度提升至石墨转化为金刚石所需要的高温高压环境进行第二处理，便可获得高纯度无色透明的纳米聚晶金刚石。本申请的纳米聚晶金刚石结构均一，纯净度高，同时具有优异的光学性能和力学性能；可广泛应用在极端条件下光学窗口探测。
-
公开(公告)号：CN118364438A
公开(公告)日：2024-07-19
申请号：CN202410329317.3
申请日：2024-03-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F21/16 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种服务器端注入模型水印的联邦学习方法、系统及终端，所述方法包括：获取目标模型，并获取多个联邦参与方分别生成的水印字符串；下发目标模型给多个所述联邦参与方，多个所述联邦参与方和本地服务器分别训练目标模型，进行预设联邦轮次后的训练，得到目标全局模型和水印参数，其中，在训练所述目标模型前，根据多个所述水印字符串生成所述水印参数；将所述水印参数下发到各个所述联邦参与方。本发明服务器端统一添加水印的方式，提高了知识产权保护过程的公平性；且在联邦学习聚合阶段，兼容常用的安全策略，并有效缓解了水印相互干扰、主任务精度降低的问题。
-
公开(公告)号：CN116542945B
公开(公告)日：2024-01-05
申请号：CN202310528600.4
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种晶圆图像分割处理方法、电子设备及存储介质。方法包括：获取由摄像头拍摄晶圆的子区域得到的区域图像；对区域图像进行下采样，得到下采样图像；基于第一预设搜索框和预设的晶粒模板图像，在下采样图像的任一角中确定起始搜索区域；基于第二预设搜索框和起始搜索区域，以预设定位策略，在下采样图像中，遍历定位目标搜索区域；根据晶粒模板图像，判断目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果；统计每个搜索区域的第一检测结果，得到区域图像中的所有晶粒的分割结果。如此，有利于提高分割的晶粒图区的准确性及完整性。(56)对比文件Takeshi Nakazawa and Deepak V.Kulkarni.Anomaly Detection andSegmentation for Wafer Defect PatternsUsing Deep Convolutional Encoder–DecoderNeural Network Architectures inSemiconductor Manufacturing.IEEETRANSACTIONS ON SEMICONDUCTORMANUFACTURING.2019,第32卷(第2期),全文.杨静，尚夏，荣海军，杜少毅.采用仿射迭代最近点的晶圆分割方法.西 安 交 通 大 学 学 报.2017,第51卷(第12期),全文.刘娜;岳琪琪;陈加宏;孙健.搜索区域和目标尺度自适应的无人艇海面目标跟踪.光学精密工程.2020,(03),全文.
-
Patent Agency Ranking
公开(公告)号：CN117132627A
公开(公告)日：2023-11-28
申请号：CN202311021110.1
申请日：2023-08-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 上海航天精密机械研究所
Abstract: 本发明涉及图像配准技术领域，公开了一种基于注意力机制和对比学习的多模态图像配准方法，包括将初始模态图像A和初始模态图像B输入配准网络中，生成形变场，并优化形变场的生成；将初始模态图像A输入翻译网络并得到翻译模态图像Bt；将翻译模态图像Bt经过形变场形变后的图像与初始模态图像A等进行像素块级别的对比损失；将翻译模态图像Bt经过形变场形变后的图像与初始模态图像B等进行逐像素值的L1损失；促使配准网络生成光滑形变场；以最小化上述像素块级别的对比损失的和为目标，训练优化翻译网络和配准网络。本发明能够达到较高的配准精准度和配准效率。
-
公开(公告)号：CN116958748A
公开(公告)日：2023-10-27
申请号：CN202310947023.2
申请日：2023-07-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/774 , G06V10/771 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像检测技术领域，公开了多任务因果学习的图像检测方法、装置、设备及介质，方法包括：根据多个样本特征对同一任务的重要性分数，从多个样本特征中筛选出干预特征；根据合并反事实特征，以及第二任务的反事实特征，确定第一任务对第二任务的因果亲和力；分别根据每个任务的反事实特征和样本特征的预测损失值生成第一正则约束项；根据第一任务的样本特征的预测损失值、第二任务的样本特征的预测损失值以及第一任务对第二任务的因果亲和力，生成第二正则约束项；根据判别损失函数、第一正则约束项和第二正则约束项，生成预测损失函数；根据预测损失函数对任务模型进行训练得到优化后的多任务模型。本发明能够提高图像检测的性能。
-
公开(公告)号：CN116542945A
公开(公告)日：2023-08-04
申请号：CN202310528600.4
申请日：2023-05-11
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种晶圆图像分割处理方法、电子设备及存储介质。方法包括：获取由摄像头拍摄晶圆的子区域得到的区域图像；对区域图像进行下采样，得到下采样图像；基于第一预设搜索框和预设的晶粒模板图像，在下采样图像的任一角中确定起始搜索区域；基于第二预设搜索框和起始搜索区域，以预设定位策略，在下采样图像中，遍历定位目标搜索区域；根据晶粒模板图像，判断目标搜索区域中是否存在完整的晶粒图区，并得到第一检测结果；统计每个搜索区域的第一检测结果，得到区域图像中的所有晶粒的分割结果。如此，有利于提高分割的晶粒图区的准确性及完整性。
-
公开(公告)号：CN115063385A
公开(公告)日：2022-09-16
申请号：CN202210762670.1
申请日：2022-06-29
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学(深圳)
Abstract: 本发明涉及晶圆检测技术领域，公开了一种用于晶圆检测的机器视觉方法，包括以下步骤：步骤1：采用ImageNet1000数据集预训练MAE模型，并采用公共工业数据集对MAE模型进行初次微调；步骤2：确认待检测晶圆数据；并对MAE模型进行二次微调，得到改进MAE模型；步骤3：筛选标准训练样本；所述标准训练样本内仅包含有合格晶圆样本；步骤4：改进MAE模型基于标准训练样本进行特征提取并构建记忆库；步骤5：由改进MAE模型对待检测晶圆数据进行特征提取；步骤6：按照比对策略比对标准Patch Embedding和待检测晶圆数据的Patch Embedding，并判定得到待检测晶圆数据的合格Patch；步骤7：根据合格Patch确定并分割待检测晶圆数据的异常区域。本发明能够精准检测晶圆，识别精准度较高。
-
公开(公告)号：CN118378078A
公开(公告)日：2024-07-23
申请号：CN202410287597.6
申请日：2024-03-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/214 , G06F18/2431 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种深层次利用GAN先验增强的数据集蒸馏与轻量化方法，包括：将初始化后的均值噪声送入GAN网络，得到隐编码；通过所述GAN网络将所述隐编码转换为真实图片；根据所述真实图片的组合，计算生成数据集与真实数据集的蒸馏损失；通过优化器优化所述隐编码，并根据计算得到的特征距离选取预设隐编码；对所有使用中间层的预设隐编码生成的数据集进行评估，并选取满足条件的数据集作为解。本发明采用逐层搜索GAN的中间层空间，实现了使用GAN的多级指导信息优化生成数据集，并自动地选取最优层对应的生成数据集作为结果，提升数据集蒸馏的性能。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.058 seconds)
