원래 이름 기록: 湖南奥创普科技有限公司

本发明涉及一种基于改进图像分割模型的光通信芯片缺陷检测方法及系统，其方法包括：依据局部移植与物理合理性约束的数据增强策略，对光通信芯片缺陷图像进行缺陷特征强化，获得缺陷图像训练集；对语义分割模型进行改进：在解码器中构建包含可分离卷积层与多尺度空洞卷积特征提取模块的双流异构金字塔网络，并在多尺度空洞卷积特征提取模块的输出端嵌入通道与空间注意力模块；依据缺陷图像训练集和动态空间感知复合损失函数，对改进图像分割模型进行训练；将待检测的芯片图像输入经训练的改进图像分割模型中进行前向推理，并对获得的分割概率图进行二值化阈值处理，得到光通信芯片缺陷检测结果。本发明提高了光通信芯片中微小缺陷的检测精度。

本发明涉及一种基于改进分割大模型的芯片表面缺陷检测方法、系统及设备，方法包括：对芯片图像中随机遮挡图像块进行多尺度特征提取，并通过对各尺度特征层进行特征补偿，获得图像编码特征；将用户提示点进行位置编码和类别嵌入映射，生成与图像编码特征维度匹配的提示编码特征；将图像编码特征与提示编码特征融合后，与存储的短期与长期记忆特征进行时空交叉注意力交互，依据交互结果重构芯片图像中的遮挡区域；对重构后的图像特征解码生成多个候选分割掩码，并通过置信度筛选与排序，输出与用户意图匹配的芯片缺陷分割掩码。本发明解决了基于深度学习的芯片缺陷检测方案中存在的高质量训练数据限制、泛化能力差及部署成本高的技术问题。

本发明涉及一种光通信芯片的边缘定位方法以及系统，其方法包括：对光通信芯片图像进行多方向梯度卷积检测，获得边缘梯度图；根据边缘点的梯度幅值，选取二次曲线或高斯函数的拟合策略计量边缘点的亚像素偏移量并基于偏移量进行方向补偿，获得亚像素边缘点集；遍历亚像素边缘点集，通过候选角点的偏移角度比对与方向筛选对亚像素边缘点集进行方向分类解耦；基于坐标众数定位主峰区域对解耦后的亚像素边缘点集进行离群点的区域感知分离，并通过邻近点采样与多维度评分策略迭代拟合直线，获得各方向的边缘直线；对各方向的边缘直线进行交点计算与几何约束优化，生成边缘定位结果。本发明能够实现光通信芯片高精度、强鲁棒性的亚像素级边缘定位。