[发明专利]基于GAF-深度学习及弱电流源结构的TSV测试方法在审

专利信息
申请号: 202310797157.0 申请日: 2023-06-30
公开(公告)号: CN116580253A 公开(公告)日: 2023-08-11
发明(设计)人: 尚玉玲;段阁飞;梅礼鹏;李春泉;耿龙禄;侯杏娜 申请(专利权)人: 桂林电子科技大学
主分类号: G06V10/764 分类号: G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06F18/2433;G06F123/02
代理公司: 暂无信息 代理人: 暂无信息
地址: 541004 广*** 国省代码: 广西;45
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 gaf 深度 学习 电流 结构 tsv 测试 方法
【权利要求书】:

1.基于GAF-深度学习及弱电流源结构的TSV测试方法,其特征在于:所述TSV故障识别分类方法是按照下列步骤进行的:

(1)通过HSPICE搭建弱电流源测试结构采集TSV四类充放电信号,四类信号分别是无故障、泄漏故障、空洞故障以及泄漏故障、空洞故障同时存在的复合故障。

(2)为保证图片信息的充足,取信号中连续长度为300的时间短序列作为格拉姆算法的输入,将截取到的时间序列转化为(.csv)格式文件,导入格拉姆算法,运行后可得到这个时间段内的TSV充放电信号特征图,设置图片大小为256×256;

(3)将信号特征图输入MobileNetV2网络的卷积层,通过深度可分离卷积模块,提取深层的图片特征,最后通过全连接层和softmax映射到最后的分类数目上,最后得到TSV故障分类结果。

2.根据权利要求1提出的基于GAF-深度学习及弱电流源结构的TSV测试方法,其特征在于:步骤(1)提出的弱电流源结构包括两个反相器和两个传输门以及一个镜像恒流源,传输门可以看做开关,通过在CMOS管栅极由反相器产生的互补脉冲信号电压控制;镜像恒流源的部分,作用是减缓TSV放电速度,有利于故障检测。

3.根据权利要求1提出的基于GAF-深度学习及弱电流源结构的TSV测试方法,其特征在于:步骤(2)包含以下步骤:

(1)给定时间序列为X=[x1,x2,…,xn],首先进行最大最小值特征缩放:

(2)通过编码如下值表示极坐标中重新定标的时间序列X:

在上面等式中,ti是时间戳,而N是调整极坐标范围的常数因子,φ为时间序列中各值的角余弦,且其取值范围为最后将缩放后的时间序列转换为极坐标系统中的值。

(3)格拉姆角场法有两种不同编码方法,格拉姆角和场法(GASF)和格拉姆角差场法(GADF),定义了格拉姆角和场法,如下:

定义了格拉姆角差法,如下:

4.根据权利要求1提出的基于GAF-深度学习及弱电流源结构的TSV测试方法,其特征在于:步骤(3)提出的MobileNetV2网络是一个轻量型卷积神经网络,使用深度可分离卷积,其引入倒残差结构和线性激活函数,相较于传统残差神经网络结构,其对于输入特征矩阵采用1x1卷积核将通道变得更深,再通过3x3的卷积核进行逐通道卷积提取特征,最后再采用1x1卷积核进行降维处理。针对倒残差结构的最后一个1x1卷积层,使用了线性激活函数代替原本的非线性激活变换,防止非线性激活变换破坏太多信息。

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桂林电子科技大学,未经桂林电子科技大学许可,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/pat/books/202310797157.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top