公开(公告)号：CN113609759B

公开(公告)日：2023-07-25

申请号：CN202110813304.X

申请日：2021-07-19

Applicant: 清华大学深圳国际研究生院

Inventor： 曾龙 ,  史丰源 ,  王硕

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/126 ,  G06Q10/0631 ,  G06Q50/04 ,  G06F111/10 ,  G06F119/18

Abstract: 本发明公开了一种可重构柔性装配线布局方法和装置，所述方法包括如下步骤：S1、设计一条以可重构柔性装配单元为核心组成部分、可快速重构的可重构柔性装配线；S2、根据所述可重构柔性装配线提出相应的问题假设和多优化目标的数学模型；S3、利用前置优化算子和双种群遗传算法对所述数学模型进行求解，得到可重构柔性装配线布局。本发明可根据产品的不同装配工艺来重构每个装配单元的装配工具和装配夹具等，以实现快速完成装配环境的重构。

公开(公告)号：CN112967243B

公开(公告)日：2023-01-13

申请号：CN202110219336.7

申请日：2021-02-26

Applicant: 清华大学深圳国际研究生院(CN)

Inventor： 曾龙 ,  王宏羽 ,  杨凡 ,  王硕 ,  林宜龙 ,  刘飞

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/136 ,  G06T7/62 ,  G06T7/73 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于YOLO的深度学习芯片封装裂纹缺陷检测方法，包括如下步骤：第一步，采集得到芯片单元图像；第二步，对采集的图像进行缺陷类别信息以及缺陷目标坐标的标注；第三步，进行数据增强，制作用于训练的数据集；第四步，基于YOLOv4网络构建缺陷检测所用的深度学习网络模型；第五步，使用预训练的参数作为初始权重，训练深度学习网络；第六步，使用训练好的网络进行预测，其中将待检测图片标准化处理后输入网络，得到网络head的输出，将head输出解码，采用优化非极大值抑制NMS过滤解码后的结果，得到网络预测结果；第七步，采用置信度阈值和裂纹边界阈值对所述第六步的网络预测结果进一步过滤，得到最终结果。本发明对芯片裂纹类缺陷有良好的检测效果。

公开(公告)号：CN113609759A

公开(公告)日：2021-11-05

申请号：CN202110813304.X

申请日：2021-07-19

Applicant: 清华大学深圳国际研究生院

Inventor： 曾龙 ,  史丰源 ,  王硕

IPC: G06F30/27 ,  G06N3/12 ,  G06Q10/06 ,  G06Q50/04 ,  G06F111/10

Abstract: 本发明公开了一种可重构柔性装配线布局方法和装置，所述方法包括如下步骤：S1、设计一条以可重构柔性装配单元为核心组成部分、可快速重构的可重构柔性装配线；S2、根据所述可重构柔性装配线提出相应的问题假设和多优化目标的数学模型；S3、利用前置优化算子和双种群遗传算法对所述数学模型进行求解，得到可重构柔性装配线布局。本发明可根据产品的不同装配工艺来重构每个装配单元的装配工具和装配夹具等，以实现快速完成装配环境的重构。

公开(公告)号：CN112967243A

公开(公告)日：2021-06-15

申请号：CN202110219336.7

申请日：2021-02-26

Applicant: 清华大学深圳国际研究生院

Inventor： 曾龙 ,  王宏羽 ,  杨凡 ,  王硕 ,  林宜龙 ,  刘飞

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/136 ,  G06T7/62 ,  G06T7/73 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于YOLO的深度学习芯片封装裂纹缺陷检测方法，包括如下步骤：第一步，采集得到芯片单元图像；第二步，对采集的图像进行缺陷类别信息以及缺陷目标坐标的标注；第三步，进行数据增强，制作用于训练的数据集；第四步，基于YOLOv4网络构建缺陷检测所用的深度学习网络模型；第五步，使用预训练的参数作为初始权重，训练深度学习网络；第六步，使用训练好的网络进行预测，其中将待检测图片标准化处理后输入网络，得到网络head的输出，将head输出解码，采用优化非极大值抑制NMS过滤解码后的结果，得到网络预测结果；第七步，采用置信度阈值和裂纹边界阈值对所述第六步的网络预测结果进一步过滤，得到最终结果。本发明对芯片裂纹类缺陷有良好的检测效果。