一种基于深度学习算法的高精度晶圆缺陷检测方法及系统

    公开(公告)号:CN114723757A

    公开(公告)日:2022-07-08

    申请号:CN202210643143.9

    申请日:2022-06-09

    Applicant: 济南大学

    Abstract: 本发明属于晶圆检测技术领域,提出了一种基于深度学习算法的高精度晶圆缺陷检测方法及系统,采集晶圆表面的多张局部图像;通过特征点的提取和匹配,对局部图像进行拼接融合,生成高精度全局细节图像;将高精度全局细节图像输入到训练好的卷积神经网络中,输出缺陷检测结果;本发明将多张高清局部图像拼接融合而成的高精度全局细节图像,输入到卷积神经网络中进行缺陷检测,解决了工业相机直接拍摄的全局图检测精度低、常规图像检测算法导致的识别不准确、处理速度慢等问题,提高了晶圆缺陷检测的准确性。

    一种单光束光场稳定性检测装置及方法

    公开(公告)号:CN119602072A

    公开(公告)日:2025-03-11

    申请号:CN202411492467.2

    申请日:2024-10-24

    Applicant: 济南大学

    Abstract: 本发明公开一种单光束光场稳定性检测装置及方法,涉及激光技术领域;而本发明包括半导体激光器、He‑Ne激光器和飞秒激光器,半导体激光器、He‑Ne激光器和飞秒激光器的发射光路上设有反射镜、扩束镜、衰减片、散射介质、胶合透镜、CCD相机和用于图像信息提取的电脑,半导体激光器放在反射镜前作为待测光场;本发明中,通过采用散射介质对待测光束进行稳定扰动,简化了光学结构,提高了测量效率,通过CCD相机的高速采集和长时间监测,能够实时、准确地反映半导体激光场的稳定性变化,通过检测装置和方法,具有操作简便、成本低廉、适用范围广等优点,可广泛应用于半导体激光器生产、检测、科研领域以及其他类型光场稳定性检测的场合。

    一种基于局部与全局知识蒸馏的驾驶分心检测方法及系统

    公开(公告)号:CN118447487A

    公开(公告)日:2024-08-06

    申请号:CN202410664375.1

    申请日:2024-05-27

    Applicant: 济南大学

    Abstract: 本发明提出了一种基于局部与全局知识蒸馏的驾驶分心检测方法及系统,通过在教师网络中引入分组卷积技术能够有效降低模型的参数量和计算复杂度,同时保持特征提取的有效性,使得模型在有限的计算资源下仍能提取丰富的特征信息。引入了注意力机制,能够使模型自适应地关注图像中与驾驶分心行为最相关的区域,显著提升了特征的表征能力,使得模型能够更加专注于关键信息;采用局部蒸馏和全局蒸馏相结合的方式,使得学生网络在推理阶段能够更全面地分析驾驶员行为,提高检测的准确性,使得学生网络能够在保持较低参数量的情况下达到与教师网络相近的检测精度。

Patent Agency Ranking