-
公开(公告)号：CN119625336A
公开(公告)日：2025-03-14
申请号：CN202411662413.6
申请日：2024-11-20
Applicant: 常州大学
IPC: G06V10/42 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/44
Abstract: 本发明涉及地点识别领域，具体涉及一种基于激光雷达的全局描述符生成方法及地点识别方法。生成方法包括：将点云数据转换为范围图像，并提取图像特征；对图像特征处理，形成正向、反向、随机序列，然后分别进行Mamba操作，并求均值，得到输出特征；对输出特征进行卷积操作后创建两个分支，一个分支进行深度可分离卷积，然后通过残差连接，再激活，最后与另一个分支叉乘、卷积操作，得到门控特征；对门控特征依次进行MLP、NetVLAD和MLP操作，得到全局描述符。本发明它可以准确、快速地生成表示地点特征的全局描述符，利于提高地点识别的效率和全局定位能力。
-
Patent Agency Ranking
公开(公告)号：CN116358424A
公开(公告)日：2023-06-30
申请号：CN202310302381.8
申请日：2023-03-24
Applicant: 常州大学
IPC: G01B11/06
Abstract: 本发明涉及一种基于单目测距的探针台对针高度测量方法，包括：S1，对载片台上的晶圆进行精准定位，使晶圆的晶粒位于定焦相机的聚集位置附近；S2，升降所述载片台，改变物距，拍摄多张晶圆图像，通过平方梯度函数找到最清晰的晶圆图像，作为聚集像；S3，将所述载片台保持在得到所述聚集像的高度，微幅改变定焦相机的像距，拍摄至少两幅不同程度的散焦像；S4，基于其中两幅散焦像的参数，通过高斯分布的点扩散函数，计算得到所述聚集像的物距u；S5，基于所述聚集像的物距u及探针自由端与对焦相机之间的高度差得到对针高度。本发明测量精度高，使得探针台可精确对针。
-
公开(公告)号：CN115439428A
公开(公告)日：2022-12-06
申请号：CN202211028776.5
申请日：2022-08-26
Applicant: 常州大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80
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的晶圆瑕疵检测方法。基于现有YOLOv7目标检测算法改进获得教师网络和学生网络，二者组成双通道教师‑学生网络；输入图像经教师网络训练获得泛在瑕疵区域；训练过程中教师网络获得的泛在瑕疵信息经蒸馏知识迁移至学生网络；输入图像经学生网络训练获得泛在瑕疵区域内的细分瑕疵；最终测试阶段仅保留训练完成的学生网络，输入图像获得晶圆的正常与否以及晶圆的缺陷类别。本发明能够保证瑕疵细分的实时性，保证学习效果，改善细分瑕疵检测表现。
-
公开(公告)号：CN116500402A
公开(公告)日：2023-07-28
申请号：CN202310234864.9
申请日：2023-03-13
Applicant: 常州大学
Abstract: 本发明涉及一种晶圆检测台的探针位置控制方法、装置及系统，方法包括：连续测量探针的位置信息，以预设的时间间隔对位置信息进行采样，得到采样信号，每得到一个新的采样信号，执行一次控制信号获取步骤；控制信号获取步骤包括：S1，将新的采样信号经过零阶保持器保持，得到采样数据xk；S2，将xk输入离散连续观测器，得到连续的估计位置信号x；S3，将x和探针期望位置信号r输入位置跟踪控制器，得到位置跟踪控制信号u；S4，将x和u作为扰动补偿器的输入，得到扰动补偿控制信号w；S5，将u和w相加，作为探针位置的控制输入信号。本发明能克服模型不确定性和外界干扰等因素的影响，提高探针运动位置的控制精度，且只需要用到探针位置的采样信号，更方便于工程应用。
-
公开(公告)号：CN116309452A
公开(公告)日：2023-06-23
申请号：CN202310269059.X
申请日：2023-03-20
Applicant: 常州大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于机器视觉的晶圆圆心检测定位的方法，包括采集晶圆图像，并对图像进行灰度化处理；找到晶圆图像连通区域，并通过阀值去除连通区域中的噪声区域，得到去除噪声后的图像；利用改进通道注意力机制和空间注意力机制模块对去除噪声后的图像进行处理；采用Sobel算子联合Canny算子边缘检测方法对注意力机制下的输出图像进行处理；通过Hough直线检测从边缘检测后的输出中计算出边缘点；采用最小二乘法拟合边缘点获得晶圆圆心位置。本发明解决晶圆图像质量不高影响晶圆圆心定位精度的问题。
-
公开(公告)号：CN115439427A
公开(公告)日：2022-12-06
申请号：CN202211028774.6
申请日：2022-08-26
Applicant: 常州大学
IPC: G06T7/00 , G06T7/10 , G06V10/30 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明属于深度学习计算机机器视觉领域和半导体技术检测领域，提出一种基于级联YOLO‑GAN的晶圆缺陷检测及定位算法。在晶圆片生成制造过程中，将原始图像晶圆片分别送入基于改进YOLOv5的晶圆检测模型和基于BiseNet的晶圆语义分割模型中，获得晶圆片目标检测框位置和晶圆片的前景掩模；原始图像输入至基于改进生成对抗网络的缺陷检测模型，进而重构晶圆图像，并定位晶圆缺陷区域；利用晶圆片目标检测框位置作为约束，对缺陷图像的连通域进行分析，引入Softmax分类器实现对缺陷的定位以及晶圆缺陷的细分。本发明实现对不同尺度晶圆片的视觉检测，适用于晶圆缺陷的自动检测，能够大大提高缺陷检测的准确性与效率。
-
-
-
-
-
Search Results
6
records
(took 0.01 seconds)
