公开(公告)号：CN119540241A

公开(公告)日：2025-02-28

申请号：CN202510103929.5

申请日：2025-01-23

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)

Inventor： 王睿 ,  牛源晨 ,  李芃 ,  彭思危

IPC: G06T7/00 ,  G06T3/4007 ,  G06T7/33 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0499

Abstract: 本发明涉及基于深度学习的多模态印刷电路板缺陷检测方法、装置及存储介质，所述的方法包括采集三维点云数据和二维图像数据，并分别对三维点云数据和二维图像数据进行配准、对齐和预处理；将三维点云数据输入到双视图融合模块，映射生成鸟瞰图BV和前视图FV，分别对鸟瞰图BV和前视图FV进行一次特征提取和插值，最后融合得到多视图融合特征信息；将多视图融合特征信息和二维图像数据多次重复输入到注意力模块，生成融合特征；将融合特征输入检测模块，输出缺陷种类和边界框的预测结果。通过一种基于双向跨模态特征传递的目标检测方法，来解决印刷电路板上小目标缺陷信息在提取过程中容易丢失的问题。

公开(公告)号：CN119359156B

公开(公告)日：2025-04-18

申请号：CN202411897737.8

申请日：2024-12-23

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)

Inventor： 王睿 ,  彭思危 ,  牛源晨

IPC: G06Q10/0639 ,  G06Q50/04 ,  G06F18/213 ,  G06F18/10 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明涉及基于自编码器和图注意力网络的多工序制造质量预测方法。其中的方法包括：获取生产线上各工序的流程工艺传感器检测获得的时序特征数据，构建总流程工艺数据集，输入到半导体多工序质量预测模型中，对数据集进行预处理，按照阶段数量对特征进行分组后，将每个阶段内的特征输入到多层堆叠自编码器中，以特征降维到同一维度得到最后的中间特征，将获得中间特征作为图注意力网络的节点输入，迭代更新得到最终的节点输出，其中，图注意力网络采用残差机制，将最终的节点输出作为最后的前馈神经网络的输入，获得质量特征回归预测。本发明通过自编码器特征降维技术和图神经网络数据挖掘技术结合，实现多维度多阶段建模。

公开(公告)号：CN119758928A

公开(公告)日：2025-04-04

申请号：CN202411948930.X

申请日：2024-12-27

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)

Inventor： 王睿 ,  彭思危 ,  牛源晨

IPC: G05B19/418

Abstract: 本发明涉及一种多工序制造过程质量监控方法、装置及存储介质，所述的方法包括基于智能传感器和数据收集技术，从多工序制造过程中获取多模态数据和质量数据；预处理多模态数据；确定对最终产品质量影响最大的制造工序，在关键工序建立质量检查点；建立和训练人工神经网络自编码器模型，对多模态数据进行融合和特征提取；分别建立单工序、跨工序和多工序的在线监控体系；对监控中发现的异常问题进行诊断和根因分析，并按需更新检测策略和模型。本发明针对多工序制造过程的特点，建立全面在线监控体系，实时在线指导生产工序的质量过程管控，对异常情况做出诊断，提升问题处理和决策的能力。

公开(公告)号：CN119359156A

公开(公告)日：2025-01-24

申请号：CN202411897737.8

申请日：2024-12-23

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)

Inventor： 王睿 ,  彭思危 ,  牛源晨

IPC: G06Q10/0639 ,  G06Q50/04 ,  G06F18/213 ,  G06F18/10 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明涉及基于自编码器和图注意力网络的多工序制造质量预测方法。其中的方法包括：获取生产线上各工序的流程工艺传感器检测获得的时序特征数据，构建总流程工艺数据集，输入到半导体多工序质量预测模型中，对数据集进行预处理，按照阶段数量对特征进行分组后，将每个阶段内的特征输入到多层堆叠自编码器中，以特征降维到同一维度得到最后的中间特征，将获得中间特征作为图注意力网络的节点输入，迭代更新得到最终的节点输出，其中，图注意力网络采用残差机制，将最终的节点输出作为最后的前馈神经网络的输入，获得质量特征回归预测。本发明通过自编码器特征降维技术和图神经网络数据挖掘技术结合，实现多维度多阶段建模。