[发明专利]一种缺陷图像自动分析的装置及方法在审
| 申请号： | 201811560846.5 | 申请日： | 2018-12-20 |
| 公开（公告）号： | CN109754392A | 公开（公告）日： | 2019-05-14 |
| 发明（设计）人： | 郭奥;王鹏飞;李琛 | 申请（专利权）人： | 上海集成电路研发中心有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 上海天辰知识产权代理事务所(特殊普通合伙) 31275 | 代理人： | 吴世华;马盼 |
| 地址： | 201210 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种缺陷图像自动分析的方法，包括如下步骤：S01：训练得出卷积神经网络模型，S02：将上述卷积神经网络模型配置到自动分析装置中，所述自动分析装置包括数据收集模块和数据库；所述数据收集模块将所收集到的图像自动分析装置将数据收集模块收集到的图像输入所述卷积神经网络模型中进行识别和分类，并将分类之后的图像及对应的缺陷类型传输至数据库中。本发明提供的一种缺陷图像自动分析的装置及方法，采用基于卷积神经网络模型的深度学习方法实现产线缺陷图像数据的自动分类功能，并将自动分类结果实时输入缺陷数据库，为失效机制的深入分析提供准确的数据保障。 | ||
| 搜索关键词： | 卷积神经网络 缺陷图像 数据收集模块 自动分析装置 自动分析 自动分类 数据库 图像 缺陷数据库 识别和分类 模型配置 缺陷类型 失效机制 数据保障 图像输入 产线 传输 分类 分析 学习 | ||
【主权项】：
1.一种缺陷图像自动分析的方法，其特征在于，包括如下步骤：S01：训练得出卷积神经网络模型，具体包括：S011：建立M个数据集，并将M个数据集分为N个训练数据集和M‑N个测试数据集；其中，每个数据集中包括一个缺陷图像和该缺陷图像对应的缺陷类型，M和N均为整数，M≥2，M>N≥1；S012：标注出每个数据集中缺陷图像中的缺陷区域，提取该缺陷区域中的缺陷特征，保证所述缺陷特征与缺陷类型一一对应；S013：采用卷积神经网络算法对N个训练数据集进行迭代训练；S014：采用测试数据集对训练后的卷积神经网络算法进行测试，若测试结果满足缺陷图像分类准确性要求，则将训练和测试之后的卷积神经网络算法输出，即为卷积神经网络模型；若测试结果不满足缺陷图像分类准确性要求，则继续对卷积神经网络算法进行迭代训练；S02：将上述卷积神经网络模型配置到自动分析装置中，所述自动分析装置包括数据收集模块和数据库；所述数据收集模块将所收集到的图像输入所述卷积神经网络模型中进行识别和分类，并将分类之后的图像及对应的缺陷类型存储在所述数据库中。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海集成电路研发中心有限公司，未经上海集成电路研发中心有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811560846.5/，转载请声明来源钻瓜专利网。
