买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜华侨大学申请的专利基于深度学习的Mini-LED晶圆表面缺陷数据增强方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119205560B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411716274.0，技术领域涉及：G06T5/70；该发明授权基于深度学习的Mini-LED晶圆表面缺陷数据增强方法及装置是由陈海坤;潘书万;林远达;于洁;叶钦设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于深度学习的Mini-LED晶圆表面缺陷数据增强方法及装置在说明书摘要公布了：本发明公开了一种基于深度学习的Mini‑LED晶圆表面缺陷数据增强方法及装置，涉及图像处理领域，包括：构建基于每种缺陷类型的网络的扩散模型，扩散模型包括加噪过程和去噪过程，对网络进行训练，得到经训练的每种缺陷类型的网络；随机采样高斯噪声图，并输入到经训练的每种缺陷类型的网络，得到每种缺陷类型对应的预测噪声，并生成得到每种缺陷类型的生成缺陷图像，构建生成缺陷图像库；从生成缺陷图像库中随机选择生成缺陷图像并进行随机变换，得到变换后的生成缺陷图像，通过图像空间处理将变换后的随机选择的生成缺陷图像与背景图像进行合成，得到合成图像。本发明解决了现有图像数据增强技术存在不稳定性和效果不佳的问题。

本发明授权基于深度学习的Mini-LED晶圆表面缺陷数据增强方法及装置在权利要求书中公布了：1.一种基于深度学习的Mini-LED晶圆表面缺陷数据增强方法，其特征在于，包括以下步骤：获取Mini-LED晶圆表面的每种缺陷类型的缺陷图像并构建每种缺陷类型的训练数据，获取无缺陷的背景图像并存入背景图像库；构建基于每种缺陷类型的VMSA-UNet网络的扩散模型，所述VMSA-UNet网络包括编码层、解码层以及位于编码层和解码层之间的SPPF模块，所述编码层包括依次连接的五个第一卷积模块，所述解码层包括依次连接的四个解码单元，每个解码单元包括依次连接的多尺度特征融合模块和第二卷积模块，所述编码层中的第五个第一卷积模块与所述SPPF模块连接，所述SPPF模块与所述解码层中的第一个解码单元的多尺度特征融合模块连接，每一个多尺度特征融合模块的输入特征为所述SPPF模块的输出特征或者前一个解码单元的第二卷积模块的输出特征以及所述解码层中的前四个第一卷积模块的输出特征；所述第一卷积模块和第二卷积模块均采用基于体积注意力机制的卷积结构，其计算过程如下： 其中，X表示所述基于体积注意力机制的卷积结构的输入特征，CBS·表示依次连接的卷积核大小为1×1的卷积操作、批归一化处理和SiLU激活函数的组合操作，Conv表示卷积核大小为1×1的卷积操作；t-Embeddingt表示时间步嵌入操作；M1、M2和M3分别表示第一中间特征图、第二中间特征图和第三中间特征图；M4为所述基于体积注意力机制的卷积结构的输出特征，VA表示体积注意力模块对应的函数；所述时间步嵌入操作的表达式如下： 其中，t表示第t个时间步，i表示嵌入维度的索引，d是嵌入维度，Et,2i表示对第t个时间步的偶数索引位置的编码结果，Et,2i+1表示对第t个时间步的奇数索引位置的编码结果；所述扩散模型包括加噪过程和去噪过程，在所述加噪过程中对所述每种缺陷类型的训练数据中的缺陷图像添加真实噪声，得到每种缺陷类型的缺陷图像对应的加噪图，在所述去噪过程中采用对应缺陷类型的VMSA-UNet网络对所述每种缺陷类型的缺陷图像对应的加噪图进行去噪，得到预测噪声；基于所述真实噪声和预测噪声对所述扩散模型中的每种缺陷类型的VMSA-UNet网络进行训练，得到经训练的每种缺陷类型的VMSA-UNet网络；随机采样高斯噪声图，将所述高斯噪声图作为当前时间步的噪声图，执行以下去噪过程：将当前时间步的噪声图输入到所述经训练的每种缺陷类型的VMSA-UNet网络，得到每种缺陷类型对应的预测噪声，根据所述每种缺陷类型对应的预测噪声和当前时间步的噪声图计算出下一时间步的噪声图，将所述下一时间步的噪声图作为当前时间步的噪声图，重复以上去噪过程，直至得到每种缺陷类型的生成缺陷图像，构建生成缺陷图像库；从所述生成缺陷图像库中随机选择生成缺陷图像，通过随机变换矩阵对随机选择的生成缺陷图像进行处理，得到变换后的随机选择的生成缺陷图像，从所述背景图像库中随机选取的一张背景图像，通过图像空间处理将变换后的随机选择的生成缺陷图像与所述背景图像进行合成，得到合成图像并确定缺陷在合成图像中的位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。