“侯杏娜”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果37个，建议您升级VIP下载更多相关专利

[发明专利]基于光刻技术的带屏蔽层金属化聚合物通孔制备方法-CN202210919105.1有效
发明人：尚玉玲;彭中擎;阎德劲;李春泉;侯杏娜;姜辉;胡为;何翔;韦淞译;叶晓静;周谨倬;段阁飞;刘德璋;刘陶荣;梅礼鹏 -专利权人：桂林电子科技大学
申请日： 2022-08-02 - 公布日： 2023-10-27 - 主分类号： H01L21/768 文献下载
摘要：本发明提出了一种基于掩模光刻方法制造带有屏蔽层的导电聚合物通孔的方法，方法包括（1）通过掩模光刻方法使用可以固化的光刻胶制造通孔基柱并使其金属化，（2）通过溅射等方法在基柱外形成屏蔽层，（3）在通孔的基础上直接灌封封装聚合物形成聚合物通孔。这一方法制造的聚合物通孔适用于封装天线芯片与天线的键合，具有键合路径短、寄生电容小、抗干扰能力强的优点。
基于光刻技术屏蔽金属化聚合物制备方法

[发明专利]格拉姆角场变换预处理下基于DenseBlock和注意力机制的无金芯片硬件木马检测方法-CN202310520010.7在审
发明人：陈寿宏;汪韬;侯杏娜;黄振涛;马峻;郭玲;覃冠翔;陆颖 -专利权人：桂林电子科技大学
申请日： 2023-05-10 - 公布日： 2023-09-15 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及GAFS预处理下基于注意力机制的DenseBlock结构及应用该结构的硬件木马分类检测算法。采用具备若干注意力机制支路网络的DenseNet结构。本发明从改进DenseNet模型的角度出发，提出SE‑DenseNet‑BC（SDBC）模型，通过扩展注意力机制支路，获取更丰富的网络特征，提升网络的分类性能。经过网络层不断细化特征，硬件木马特征图像的部分特征会存在丢失的情况，从注意力机制支路获取的重点特征图特征，存在相互补充的作用，使得最终的硬件木马特征图特征更加完整。同时使用该结构的硬件木马分类检测算法首先通过GASF(Garmian Angular Summation Fields）预处理提取特征。
格拉姆角场变换预处理基于 denseblock 注意力机制芯片硬件木马检测方法

[发明专利]一种基于特征增强残差网络的混合类型晶圆图缺陷识别方法-CN202310520048.4在审
发明人：陈寿宏;黄振涛;侯杏娜;汪韬;马峻;郭玲;陆颖;覃冠翔 -专利权人：桂林电子科技大学;南宁桂电电子科技研究院有限公司
申请日： 2023-05-10 - 公布日： 2023-08-25 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种新颖的特征增强残差网络，用于混合类型晶圆图缺陷识别分类。该方法包括，获取晶圆图缺陷数据集，并将晶圆图数据集设置为统一尺寸；然后将晶圆图数据集进行滤波，去除晶圆图上的噪声缺陷点；将晶圆图数据集划分为训练集和测试集；采用提出的特征增强残差网络作为主干网络构建识别模型，并用训练集对模型进行训练，使用测试集验证模型性能。经实验结果表明，本方法能够有效地识别晶圆图缺陷，提高了混合类型晶圆图缺陷识别的准确率和鲁棒性。
一种基于特征增强网络混合类型晶圆图缺陷识别方法

[发明专利]一种低串扰的相交聚合物微纳光纤-CN202011245672.0有效
发明人：尚玉玲;王佳奇;郭文杰;李春泉;姜辉;赵雅敏;侯杏娜;何翔;周谨倬 -专利权人：桂林电子科技大学
申请日： 2020-11-10 - 公布日： 2023-08-15 - 主分类号： G02B6/02 文献下载
摘要：本发明提出一种低串扰的相交聚合物微纳光纤，其包括相交聚合物微纳光纤、相交角度、分离距离、纤芯、包层、直径，其特征在于所述两根聚合物微纳光纤在三维空间中以一定分离距离和角度相交，所述两根聚合物微纳光纤纤芯材料不相同，存在折射率差，包层材料相同，所述两根聚合物微纳光纤的直径不相同，存在直径差。在三维空间中，相交的聚合物微纳光纤由于倏逝波耦合产生串扰，通过改变相交聚合物微纳光纤间的折射率差和直径差来降低倏逝波耦合的效率，从而极大地降低串扰，同时聚合物微纳光纤具有较高的机械强度及优良的柔韧性和弹性。本发明有利于构筑超紧凑结构复杂的光子学器件和小型化集成光路。在光通信，传感和非线性光学领域具有极好的潜力。
一种低串扰相交聚合物光纤

[发明专利]基于GAF-深度学习及弱电流源结构的TSV测试方法-CN202310797157.0在审
发明人：尚玉玲;段阁飞;梅礼鹏;李春泉;耿龙禄;侯杏娜 -专利权人：桂林电子科技大学
申请日： 2023-06-30 - 公布日： 2023-08-11 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种基于GAF‑深度学习及弱电流源结构的TSV测试方法，包括首先引入格拉姆角场算法对TSV故障信号的时间域进行预处理，将一维的时间信号转换为二维的图片信息；然后利用机器视觉优势，通过一种深度学习MobileNetV2算法识别二维图片信号中的特征并进一步完成分类，其中TSV故障信号通过搭建弱电流源测试结构提取。该方法有效解决探针测试会对TSV造成二次损伤和内建自测试方法识别精度不足问题，以及针对现有方法对于TSV存在复合故障研究较少情况，对复合故障进行研究。并且该方法对不同故障位置处的微小故障进行测试，测试集准确率达到96％以上。
基于 gaf 深度学习电流结构 tsv 测试方法

[发明专利]基于注意力机制的ResNeXt结构及应用该结构的图像分类算法-CN202310520009.4在审
发明人：陈寿宏;汪韬;侯杏娜;黄振涛;马峻;郭玲;陆颖;覃冠翔 -专利权人：桂林电子科技大学
申请日： 2023-05-10 - 公布日： 2023-07-28 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及基于注意力机制的ResNeXt结构及应用该结构的硬件木马分类检测算法。采用具备若干注意力机制支路网络的ResNeXt结构。本发明从改进ResNeXt模型宽度的角度出发，提出注意力ResNeXt(Attention‑Res‑Attention,ARA)模型，通过扩展注意力机制支路，获取更丰富的网络特征，提升网络的分类性能。经过网络层不断细化特征，硬件木马特征图像的部分特征会存在丢失的情况，从注意力机制支路获取的重点特征图特征，存在相互补充的作用，使得最终的硬件木马特征图特征更加完整。注意力ResNeXt网络结构是在原有的ResNeXt结构的基础上，增加注意力支路网络，使最后的全连接层可以连接多个参数，从而获得更多的图像信息，丰富网络学习的细节特征，提升ResNeXt网络的性能。
基于注意力机制 resnext 结构应用图像分类算法

[发明专利]基于注意力空间金字塔池化的晶圆图故障模式识别方法-CN202310520013.0在审
发明人：陈寿宏;黄振涛;侯杏娜;汪韬;马峻;郭玲;陆颖;覃冠翔 -专利权人：桂林电子科技大学;南宁桂电电子科技研究院有限公司
申请日： 2023-05-10 - 公布日： 2023-07-25 - 主分类号： G06V10/764 文献下载
摘要：本发明提出一种基于注意力空间金字塔池化的晶圆图故障模式识别方法，该方法结合深度卷积神经网络(DCNN)和注意力空间金字塔池化(ESPP)构建多尺度特征融合深度学习模型用于晶圆图故障模式识别。本发明基于Pytorch框架实现对晶圆图故障模式的检测识别算法，提出一个新颖的深度学习模型用于检测识别晶圆图故障模式。使用DCNN相比浅层的CNN能够更好的提取晶圆图故障特征，ESPP能够很好的解决晶圆图故障模式的类间相似性和类内相异性问题，多尺度特征融合能够将DCNN所提取晶圆图故障的浅层特征与深层特征相融合，进而可以更加准确的识别晶圆图故障模式。本发明能够提高半导体芯片制造过程中晶圆图故障模式的识别准确率，有利于提高半导体芯片生产的良率，对于国家半导体制造技术的发展具有极大的现实意义。
基于注意力空间金字塔晶圆图故障模式识别方法

[发明专利]基于多支路注意力机制的晶圆图故障模式识别方法-CN202211662683.8在审
发明人：陈寿宏;刘美旗;侯杏娜;朱子任;马峻;黄新;黄振涛;汪涛 -专利权人：桂林电子科技大学
申请日： 2022-12-23 - 公布日： 2023-03-14 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种基于多支路注意力机制的晶圆图故障模式识别方法，包括：以ResneXt基础残差块搭建ResneXt‑50用作特征提取主干网络；在ResneXt残差块后面融入多支路注意力机制，给晶圆图显著缺陷簇分配更大的权重以提升特征识别能力；将所述晶圆图数据集划分为训练集和测试集，对所述主干网络进行学习训练；在主干网络全连接层提取到的晶圆图缺陷特征信息输入到ECOC‑SVM进行最终分类。本发明通过多支路注意力机制给不同的晶圆图缺陷簇区域分配了不同的权重，提升了网络模型的特征提取能力，获得了更加全面的晶圆图缺陷簇特征信息，解决了不同类型晶圆图缺陷簇特征提取能力差异大、细节信息特征提取不全面的问题，提高了分类的准确率。
基于支路注意力机制晶圆图故障模式识别方法

[发明专利]从宽度扩展网路的DCNN结构及应用该DCNN结构的图像分类算法-CN202210798988.5在审
发明人：陈寿宏;汪韬;侯杏娜;易木兰;马峻;郭玲;黄振涛 -专利权人：桂林电子科技大学
申请日： 2022-07-08 - 公布日： 2022-11-01 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及从宽度扩展网路的DCNN结构及应用该DCNN结构的图像分类算法。采用具备若干支路网络的DCNN结构，且最后的全连接层可以连接多个卷积层的参数。本发明从增加DCNN模型宽度的角度出发，提出多路径DCNN(MP‑DCNN，Multi Path‑DCNN)模型，通过扩展网络的宽度，获取更丰富的网络特征，提升网络的分类性能。经过网络层不断细化特征，晶圆图的部分特征会存在丢失的情况，从不同的卷积层获取的晶圆图特征，存在相互补充的作用，使得最终的晶圆图特征更加完整。多路径DCNN是在原有的DCNN结构的基础上，增加支路网络，使最后的全连接层可以连接多个卷积层的参数，从而获得更多的图像信息，丰富网络学习的细节特征，提升DCNN网络的性能。
宽度扩展网路 dcnn 结构应用图像分类算法

[发明专利]基于深度学习和自适应阈值分割的焊球缺陷检测方法-CN202110356900.X在审
发明人：李春泉;陈雅琼;黄红艳;刘正伟;尚玉玲;侯杏娜;王侨 -专利权人：桂林电子科技大学
申请日： 2021-04-01 - 公布日： 2022-10-14 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习和自适应阈值分割的焊球缺陷检测方法，用于实现对BGA焊球空洞和焊球区域的快速定位与检测，其特征在于，通过深度学习的方法对BGA焊球区域进行精确分割提取，对目标焊球区域制作BGA标签数据集，并进行增强操作增加网络泛化能力，对X‑Ray的BGA原图进行平滑处理，与神经网络对BGA焊球区域分割的结果图进行逻辑与运算提取焊球内部的空洞，对噪声干扰区域进行区域填充运算，将填充后的空洞与神经网络得到的焊球区域轮廓进行边缘提取，计算焊球内部空洞与整个焊球面积占比并判断其合格率，本发明的方法能针对BGA焊球在X‑Ray检测中存在复杂背景干扰的情况，对BGA焊球空洞和焊球区域进行快速定位和检测，该方法具备强大的适应性。
基于深度学习自适应阈值分割缺陷检测方法

[发明专利]一种混合缺陷模式晶圆图图像滤波方法-CN202210798956.5在审
发明人：陈寿宏;黄振涛;侯杏娜;易木兰;马峻;郭玲;汪韬 -专利权人：桂林电子科技大学
申请日： 2022-07-08 - 公布日： 2022-10-11 - 主分类号： G06T5/00 文献下载
摘要：本发明提出一种可以自动选择最优参数的图像滤波方法，针对晶圆图领域的混合缺陷模式晶圆图进行滤波处理，包括对混合缺陷模式的晶圆图图像进行初步聚类，形成多个小的聚类簇或噪声点，去除噪声点与噪声簇；根据设定的核心簇数量，对非核心簇进行合并或去除处理；计算合并或去除之后聚类簇的SD值，使得SD最大的核心簇数量即为最优的聚类簇数量，对应的滤波结果为最优滤波结果。本发明有效的解决了混合缺陷模式晶圆图使用传统滤波算法需要手动设置先验参数，且聚类簇数量无法确定的问题。
一种混合缺陷模式晶圆图图像滤波方法

[发明专利]基于改进全卷积网络的BGA焊球区域分割方法-CN202110357621.5在审
发明人：李春泉;陈雅琼;黄红艳;刘正伟;尚玉玲;侯杏娜;王侨 -专利权人：桂林电子科技大学
申请日： 2021-04-01 - 公布日： 2022-10-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进全卷积网络的BGA焊球区域分割方法，用于实现复杂背景下的BGA焊球目标分割。对BGA的X‑Ray图像数据集进行采集制作和标注，对图像进行一系列增强扩充处理增加样本的代表性，对于BGA焊球区域的分割进行了神经网络分析选择和优化设计，全卷积网络将卷积网络模型中的全连接层替换为全卷积层以进行像素级的稠密估计。结合不同深度层的跳跃结构，融合了深层全局语义信息和浅层局部位置信息。其特征在于，该方法针对BGA焊球区域提取的过程中由于X‑Ray图像易受到噪声干扰影响、焊球分辨率较低、空洞与背景的灰度对比度低分界不明显等情况，能够清晰高效提取焊球轮廓，本发明所提出的方法精度高、具备较好的适应性。
基于改进卷积网络 bga 区域分割方法

[实用新型]一种基于图像识别的机器学习电路板焊接装置-CN202220008197.3有效
发明人： 侯杏娜;陈寿宏;靳茹婧 -专利权人：桂林电子科技大学
申请日： 2022-01-05 - 公布日： 2022-08-19 - 主分类号： B23K1/00 文献下载
摘要：本实用新型公开了一种基于图像识别的机器学习电路板焊接装置，包括支撑台，支撑台的下表面四角处均固定连接有支撑腿，所述支撑台的上表面固定连接有定位板，定位板的背面安装有第一电机，第一电机的输出端固定连接有丝杆，定位板的内壁滑动连接有活动框，活动框的右侧安装有第二电机，第二电机的输出端固定连接有螺杆。该基于图像识别的机器学习电路板焊接装置，控制面板能够进行编程，自动控制第一电机、第二电机和电动推杆，通过丝杆、螺杆和电烙铁来对电路板本体进行自动化焊接，智能化程度较高，同时视觉摄像头能够自动检测焊接过程，并不断记录下每次焊接过程中的视频，并通过控制面板自动检测出焊接不合格的地方，检测准确性较高。
一种基于图像识别机器学习电路板焊接装置

[发明专利]一种图像特征识别方法-CN201910891187.1有效
发明人： 侯杏娜;尚玉玲;康怀强;张雨璇;易木兰;陈寿宏;马峻;郭玲 -专利权人：桂林电子科技大学
申请日： 2019-09-20 - 公布日： 2022-06-21 - 主分类号： G06V10/44 文献下载
摘要：本发明提供了一种图像特征识别方法，包括提供图像数据集，对所述图像数据集中的每个图像进行形态学处理，并将形态学处理后的图像和原图像结合；将结合后的图像根据已知的标签使用矩形框标出设定特征的位置；将所述图像数据集中的图像随机分为训练集和验证集；利用深度残差网络标记所述设定特征点的位置并对所述训练集进行学习训练，以得到神经网络；利用所述神经网络对所述验证集中的图像进行试验，直到所述神经网络达到控制要求。本发明使用残差网络有效地提高了图像中设定特征位置识别的准确度，并且未对图像的轮廓进行分割处理，可以有效地保留了图像中的所有特征，取得良好的实验结果。
一种图像特征识别方法

[发明专利]基于改进YOLOv5算法的PCB表面缺陷检测方法-CN202111244986.3在审
发明人：尚玉玲;叶晓静;侯杏娜;韦淞译;曾丽珍 -专利权人：桂林电子科技大学
申请日： 2021-10-26 - 公布日： 2022-04-19 - 主分类号： G06T7/00 文献下载
摘要：本发明提出一种基于改进YOLOv5算法的PCB表面缺陷检测方法。该方法包括：对原始的PCB数据集进行预理，建立YOLOv5算法的网络结构；根据GIoU确定YOLOV5网络损失函数和性能评价指标；改进了网络结构的处Neck部分，加入自适应特征融合（Adaptively Spatial Feature Fusion，ASFF），充分利用不同尺度的特征，增强小目标检测性能；改进了最终预测边界框的方法，利用目标框加权融合（Weighted Boxes Fusion，WBF）替代非极大值抑制（Non Maximum Suppression，NMS）作为选择最终预测的边界框的方法；根据改进的YOLOv5算法网络结构，利用迁移学习的思想对网络结构进行训练；将待检测PCB表面缺陷样本数据输入训练好的基于改进YOLOv5算法的PCB表面缺陷检测模型，输出待检测PCB表面缺陷的位置和类别信息。经实例检测，本发明实现了PCB表面缺陷检测的高效和高精度的检测。
基于改进 yolov5 算法 pcb 表面缺陷检测方法

1
2
3
下一页»
尾页
共 37 条