CN116229126B - 一种石英晶体镀膜智能检测方法、***、设备及介质 - Google Patents
一种石英晶体镀膜智能检测方法、***、设备及介质 Download PDFInfo
- Publication number
- CN116229126B CN116229126B CN202310510997.4A CN202310510997A CN116229126B CN 116229126 B CN116229126 B CN 116229126B CN 202310510997 A CN202310510997 A CN 202310510997A CN 116229126 B CN116229126 B CN 116229126B
- Authority
- CN
- China
- Prior art keywords
- detection
- feature
- result
- matching
- coating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Coating Apparatus (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种石英晶体镀膜智能检测方法、***、设备及介质,涉及数据处理领域,其中,所述方法包括:通过检测方案匹配结果,获得图像采集结果;通过检测基础特征对图像采集结果执行特征匹配,获得组合特征匹配区域和非组合特征匹配区域;通过异常检测特征集合对非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;通过特征融合结果对组合特征匹配区域进行特征匹配,获得第二特征匹配结果;生成镀膜检测结果。解决了现有技术中针对石英晶体的镀膜检测准确度低、全面性不高,进而造成石英晶体的镀膜检测效果不佳的技术问题。达到了提高石英晶体的镀膜检测准确度、全面性,提升石英晶体的镀膜检测质量的技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种石英晶体镀膜智能检测方法、***、设备及介质。
背景技术
石英晶体已广泛应用于人们的生产生活。镀膜质量是影响石英晶体性能的重要因素之一。传统的石英晶体镀膜检测模式高度依赖于人工经验判断,存在着检测精度差、检测误差高等诸多缺陷,无法满足当前高精度的石英晶体镀膜检测需求。如何对石英晶体进行高质量的镀膜检测,受到人们的广泛关注。
现有技术中,存在针对石英晶体的镀膜检测准确度低、全面性不高,进而造成石英晶体的镀膜检测效果不佳的技术问题。
发明内容
本申请提供了一种石英晶体镀膜智能检测方法、***、设备及介质。解决了现有技术中针对石英晶体的镀膜检测准确度低、全面性不高,进而造成石英晶体的镀膜检测效果不佳的技术问题。达到了通过对石英晶体进行智能、全面的镀膜检测,提高石英晶体的镀膜检测准确度、全面性,提升石英晶体的镀膜检测质量的技术效果。
鉴于上述问题,本申请提供了一种石英晶体镀膜智能检测方法、***、设备及介质。
第一方面,本申请提供了一种石英晶体镀膜智能检测方法,其中,所述方法应用于一种石英晶体镀膜智能检测***,所述方法包括:连接石英晶体生产数据库,读取待镀膜的石英晶体的生产数据;采集获得检测需求数据,根据所述生产数据和所述检测需求数据进行检测方案匹配,得到检测方案匹配结果,其中,所述检测方案匹配结果至少包括分隔区域方案、采集角度控制方案;获得石英晶体的晶体检测信息和薄膜的薄膜检测信息,通过所述晶体检测信息和所述薄膜检测信息构建检测基础特征;通过所述检测方案匹配结果控制所述图像采集装置对已经镀膜完成的所述石英晶体进行图像采集,获得图像采集结果;通过所述检测基础特征对所述图像采集结果执行特征匹配,将所述图像采集结果分为组合特征匹配区域和非组合特征匹配区域;构建异常检测特征集合,通过所述异常检测特征集合对所述非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;将所述检测基础特征作为背景特征,进行所述异常检测特征集合的特征融合,获得特征融合结果;通过所述特征融合结果对所述组合特征匹配区域进行特征匹配,获得第二特征匹配结果;根据所述第一特征匹配结果和所述第二特征匹配结果生成镀膜检测结果。
第二方面,本申请还提供了一种石英晶体镀膜智能检测***,其中,所述***包括:生产数据读取模块,所述生产数据读取模块用于连接石英晶体生产数据库,读取待镀膜的石英晶体的生产数据;检测方案匹配模块,所述检测方案匹配模块用于采集获得检测需求数据,根据所述生产数据和所述检测需求数据进行检测方案匹配,得到检测方案匹配结果,其中,所述检测方案匹配结果至少包括分隔区域方案、采集角度控制方案;检测基础特征构建模块,所述检测基础特征构建模块用于获得石英晶体的晶体检测信息和薄膜的薄膜检测信息,通过所述晶体检测信息和所述薄膜检测信息构建检测基础特征;图像采集模块,所述图像采集模块用于通过所述检测方案匹配结果控制所述图像采集装置对已经镀膜完成的所述石英晶体进行图像采集,获得图像采集结果;执行特征匹配模块,所述执行特征匹配模块用于通过所述检测基础特征对所述图像采集结果执行特征匹配,将所述图像采集结果分为组合特征匹配区域和非组合特征匹配区域;第一特征匹配模块,所述第一特征匹配模块用于构建异常检测特征集合,通过所述异常检测特征集合对所述非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;特征融合模块,所述特征融合模块用于将所述检测基础特征作为背景特征,进行所述异常检测特征集合的特征融合,获得特征融合结果;第二特征匹配模块,所述第二特征匹配模块用于通过所述特征融合结果对所述组合特征匹配区域进行特征匹配,获得第二特征匹配结果;检测结果生成模块,所述检测结果生成模块用于根据所述第一特征匹配结果和所述第二特征匹配结果生成镀膜检测结果。
第三方面,本申请还提供了一种电子设备,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的一种石英晶体镀膜智能检测方法。
第四方面,本申请还提供了一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请提供的一种石英晶体镀膜智能检测方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过待镀膜的石英晶体的生产数据和检测需求数据进行检测方案匹配,得到检测方案匹配结果;通过检测方案匹配结果控制图像采集装置对已经镀膜完成的石英晶体进行图像采集,获得图像采集结果;通过检测基础特征对图像采集结果执行特征匹配,获得组合特征匹配区域和非组合特征匹配区域;通过异常检测特征集合对非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;通过特征融合结果对组合特征匹配区域进行特征匹配,获得第二特征匹配结果,结合第一特征匹配结果,生成镀膜检测结果。达到了通过对石英晶体进行智能、全面的镀膜检测,提高石英晶体的镀膜检测准确度、全面性,提升石英晶体的镀膜检测质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种石英晶体镀膜智能检测方法的流程示意图;
图2为本申请一种石英晶体镀膜智能检测***的结构示意图;
图3为本申请示例性电子设备的结构示意图。
附图标记说明:生产数据读取模块11,检测方案匹配模块12,检测基础特征构建模块13,图像采集模块14,执行特征匹配模块15,第一特征匹配模块16,特征融合模块17,第二特征匹配模块18,检测结果生成模块19,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
本申请通过提供一种石英晶体镀膜智能检测方法、***、设备及介质。解决了现有技术中针对石英晶体的镀膜检测准确度低、全面性不高,进而造成石英晶体的镀膜检测效果不佳的技术问题。达到了通过对石英晶体进行智能、全面的镀膜检测,提高石英晶体的镀膜检测准确度、全面性,提升石英晶体的镀膜检测质量的技术效果。
实施例一
请参阅附图1,本申请提供一种石英晶体镀膜智能检测方法,其中,所述方法应用于一种石英晶体镀膜智能检测***,所述***与图像采集装置通信连接,所述方法具体包括如下步骤:
步骤S100:连接石英晶体生产数据库,读取待镀膜的石英晶体的生产数据;
步骤S200:采集获得检测需求数据,根据所述生产数据和所述检测需求数据进行检测方案匹配,得到检测方案匹配结果,其中,所述检测方案匹配结果至少包括分隔区域方案、采集角度控制方案;
具体而言,本申请中的一种石英晶体镀膜智能检测***与石英晶体生产数据库通信连接,对石英晶体生产数据库进行生产数据查询,获得待镀膜的石英晶体的生产数据。进而,基于大数据,采集多个石英晶体镀膜检测指标,获得检测需求数据。基于生产数据和检测需求数据进行检测方案匹配,获得检测方案匹配结果。其中,所述石英晶体生产数据库包括多个石英晶体对应的几何形状、尺寸、材料组成等生产数据信息。待镀膜的石英晶体可以为石英晶体生产数据库中的任意一个石英晶体。所述生产数据包括待镀膜的石英晶体对应的几何形状、尺寸、材料组成等生产数据信息。所述检测需求数据包括镀膜均匀性检测指标、镀膜平整度检测指标、镀膜完整度检测指标、镀膜光洁度检测指标等多个石英晶体镀膜检测指标。所述检测方案匹配结果包括生产数据、检测需求数据对应的分隔区域方案、采集角度控制方案。
示例性地,在获得检测方案匹配结果时,基于生产数据和检测需求数据进行历史数据查询,获得多个样本检测特征数据、多个样本检测方案匹配结果。且,多个样本检测特征数据与多个样本检测方案匹配结果之间具有对应关系。每个样本检测特征数据包括历史生产数据和历史检测需求数据。每个样本检测方案匹配结果包括历史分隔区域方案、历史采集角度控制方案。按照对应关系,将多个样本检测特征数据、多个样本检测方案匹配结果进行排列,获得检测方案匹配数据库。将生产数据、检测需求数据输入检测方案匹配数据库中,通过检测方案匹配数据库对生产数据、检测需求数据进行检测方案匹配,获得检测方案匹配结果。
达到了通过对生产数据和检测需求数据进行检测方案匹配,获得适配、可靠的检测方案匹配结果,从而提高石英晶体的镀膜检测准确度的技术效果。
步骤S300:获得石英晶体的晶体检测信息和薄膜的薄膜检测信息,通过所述晶体检测信息和所述薄膜检测信息构建检测基础特征;
步骤S400:通过所述检测方案匹配结果控制所述图像采集装置对已经镀膜完成的所述石英晶体进行图像采集,获得图像采集结果;
具体而言,通过图像采集装置对待镀膜的石英晶体、薄膜进行图像采集,获得晶体检测信息、薄膜检测信息,并将晶体检测信息、薄膜检测信息添加至检测基础特征。进而,基于现有技术中的镀膜控制设备,对待镀膜的石英晶体、薄膜进行镀膜控制,获得已经镀膜完成的石英晶体。通过检测方案匹配结果控制图像采集装置对已经镀膜完成的石英晶体进行图像采集,获得图像采集结果。其中,所述晶体检测信息包括待镀膜的石英晶体对应的图像数据信息、晶体表面纹理信息、晶体表面缺陷信息。晶体表面缺陷信息包括待镀膜的石英晶体是否存在裂纹、划痕、脏污等表面缺陷,以及表面缺陷的位置、面积、走向等。所述薄膜检测信息包括薄膜对应的图像数据信息、薄膜表面缺陷信息。薄膜表面缺陷信息包括薄膜是否存在裂纹、划痕、脏污等表面缺陷,以及表面缺陷的位置、面积、走向等。所述检测基础特征包括晶体检测信息、薄膜检测信息。所述图像采集结果包括已经镀膜完成的石英晶体对应的图像数据信息。达到了通过晶体检测信息和薄膜检测信息,构建全面的检测基础特征,同时,通过检测方案匹配结果控制图像采集装置对已经镀膜完成的石英晶体进行图像采集,获得图像采集结果,为后续石英晶体的镀膜检测奠定基础的技术效果。
步骤S500:通过所述检测基础特征对所述图像采集结果执行特征匹配,将所述图像采集结果分为组合特征匹配区域和非组合特征匹配区域;
进一步的,本申请步骤S500还包括:
步骤S510:采集获得所述石英晶体的镀膜控制数据;
步骤S520:对所述镀膜控制数据进行控制数据分析,生成M个异常镀膜控制特征;
进一步的,本申请步骤S520还包括:
步骤S521:对镀膜控制设备进行设备历史控制数据采集,并基于历史控制数据采集结果构建设备特征集合;
步骤S522:通过所述设备特征集合和大数据设定设备运行参数与异常镀膜控制特征的关联映射关系;
步骤S523:基于所述关联映射关系对所述镀膜控制数据进行控制数据分析,生成所述M个异常镀膜控制特征。
具体而言,采集镀膜控制设备的设备历史控制数据,获得历史控制数据采集结果。历史控制数据采集结果包括镀膜控制设备的多个历史镀膜控制数据,以及多个历史镀膜控制数据对应的多个历史异常镀膜特征。将历史控制数据采集结果添加至设备特征集合。所述设备特征集合包括历史控制数据采集结果中的多个历史镀膜控制数据、多个历史异常镀膜特征。进而,基于大数据,对镀膜控制设备的多个同型号设备进行设备运行参数、异常镀膜特征的采集,获得同型号设备特征集合。同型号设备特征集合包括多个历史设备运行参数、多个历史设备异常镀膜特征。多个历史设备运行参数包括镀膜控制设备的多个同型号设备对应的多个历史镀膜控制数据。多个历史设备异常镀膜特征包括镀膜控制设备的多个同型号设备对应的多个历史异常镀膜特征。
进一步,基于设备特征集合和同型号设备特征集合,获得设备运行参数与异常镀膜控制特征的关联映射关系。基于关联映射关系,对镀膜控制数据进行异常镀膜特征匹配,获得M个异常镀膜控制特征。其中,所述关联映射关系包括设备特征集合和同型号设备特征集合。镀膜控制数据包括已经镀膜完成的石英晶体对应的镀膜控制频率、镀膜控制电压等多个镀膜控制参数。M个异常镀膜控制特征包括镀膜控制数据对应的M个异常镀膜特征。达到了通过对镀膜控制数据进行控制数据分析,获得M个异常镀膜控制特征,从而提高对图像采集结果进行特征匹配的准确性的技术效果。
步骤S530:通过所述M个异常镀膜控制特征对所述异常检测特征集合进行关联特征匹配,构建临时调用特征集合;
进一步的,本申请步骤S530还包括:
步骤S531:对所述异常检测特征集合中各异常特征的检出频率统计,获得检出频率统计结果;
步骤S532:设定检出频率和关联特征的初始分配值,通过所述初始分配值、关联特征匹配结果和所述检出频率统计结果构建获得所述临时调用特征集合。
步骤S540:通过所述临时调用特征集合执行所述图像采集结果的特征匹配。
具体而言,基于大数据,构建异常检测特征集合。基于M个异常镀膜控制特征对异常检测特征集合进行关联特征匹配,获得关联特征匹配结果。进而,基于大数据,对异常检测特征集合进行检出频率统计,获得检出频率统计结果。设定检出频率和关联特征的初始分配值,结合关联特征匹配结果和检出频率统计结果,构建临时调用特征集合。基于临时调用特征集合、检测基础特征对图像采集结果进行特征匹配,获得组合特征匹配区域和非组合特征匹配区域。
其中,所述异常检测特征集合包括多个预设镀膜异常检测特征。例如,所述异常检测特征集合包括点状脱膜、局部脱膜、边缘脱膜、膜内脏污、膜外白雾等。所述关联特征匹配结果包括M个异常镀膜控制特征与异常检测特征集合内的多个预设镀膜异常检测特征之间的多个关联值。关联值越大,则,异常镀膜控制特征与对应的预设镀膜异常检测特征之间的关联性越强。所述检出频率统计结果包括异常检测特征集合中多个预设镀膜异常检测特征对应的多个检出频率参数。所述初始分配值包括预先设置确定的关联特征匹配结果对应的关联特征权重系数,以及检出频率统计结果对应的检出频率权重系数。所述临时调用特征集合包括初始分配值、关联特征匹配结果和检出频率统计结果。所述组合特征匹配区域包括图像采集结果中检测基础特征、临时调用特征集合对应的图像数据信息。所述非组合特征匹配区域包括图像采集结果中,组合特征匹配区域之外的图像数据信息。达到了通过临时调用特征集合、检测基础特征对图像采集结果执行特征匹配,获得组合特征匹配区域和非组合特征匹配区域,从而提高石英晶体的镀膜检测精准度的技术效果。
步骤S600:构建异常检测特征集合,通过所述异常检测特征集合对所述非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;
具体而言,通过异常检测特征集合对非组合特征匹配区域进行特征识别,获得第一特征匹配结果。所述第一特征匹配结果包括非组合特征匹配区域是否存在异常检测特征集合中的多个预设镀膜异常检测特征,以及多个预设镀膜异常检测特征在非组合特征匹配区域中的位置、面积等数据信息。达到了通过异常检测特征集合对非组合特征匹配区域进行特征匹配,获得第一特征匹配结果,提高石英晶体的镀膜检测准确性的技术效果。
步骤S700:将所述检测基础特征作为背景特征,进行所述异常检测特征集合的特征融合,获得特征融合结果;
进一步的,本申请步骤S700还包括:
步骤S710:通过所述检测基础特征对所述图像采集结果执行特征匹配,获得石英晶体定位方向和薄膜定位方向;
步骤S720:通过所述晶体检测信息、所述薄膜检测信息、所述石英晶体定位方向和所述薄膜定位方向确定特征组合方式,获得所述特征融合结果。
步骤S800:通过所述特征融合结果对所述组合特征匹配区域进行特征匹配,获得第二特征匹配结果;
具体而言,通过检测基础特征对图像采集结果执行特征匹配,获得石英晶体定位方向和薄膜定位方向。继而,基于晶体检测信息、薄膜检测信息、石英晶体定位方向、薄膜定位方向,获得特征组合方式。基于特征组合方式、异常检测特征集合进行融合,获得特征融合结果。通过特征融合结果对组合特征匹配区域进行特征匹配,获得第二特征匹配结果。其中,所述石英晶体定位方向包括镀膜控制时的石英晶***置方向。所述薄膜定位方向包括镀膜控制时的薄膜位置方向。所述特征组合方式包括晶体检测信息、薄膜检测信息、石英晶体定位方向、薄膜定位方向。所述特征融合结果包括特征组合方式、异常检测特征集合。所述第二特征匹配结果包括组合特征匹配区域中特征融合结果对应的位置、面积信息。达到了通过特征融合结果对组合特征匹配区域进行特征匹配,获得可靠的第二特征匹配结果,从而提高石英晶体的镀膜检测全面性的技术效果。
步骤S900:根据所述第一特征匹配结果和所述第二特征匹配结果生成镀膜检测结果。
进一步的,本申请步骤S900还包括:
步骤S910:通过所述异常检测特征集合对所述图像采集结果进行整体特征匹配,获得第三特征匹配结果;
步骤S920:通过所述第三特征匹配结果生成所述石英晶体的基础异常等级;
步骤S930:通过所述第二特征匹配结果进行所述石英晶体的返工处理等级评价,生成返工处理等级;
步骤S940:将所述基础异常等级和所述返工处理等级添加至所述镀膜检测结果。
具体而言,通过异常检测特征集合对图像采集结果进行整体特征匹配,获得第三特征匹配结果。通过对第三特征匹配结果进行异常等级评价,获得基础异常等级。通过第二特征匹配结果进行石英晶体的返工处理等级评价,生成返工处理等级,结合基础异常等级、第一特征匹配结果、第二特征匹配结果,生成镀膜检测结果。其中,所述第三特征匹配结果包括图像采集结果中多个预设镀膜异常检测特征对应的位置、面积等数据信息。图像采集结果中多个预设镀膜异常检测特征对应的面积越大,对应的基础异常等级越高。所述镀膜检测结果包括第一特征匹配结果、第二特征匹配结果、基础异常等级、返工处理等级。
示例性地,在生成返工处理等级时,基于第二特征匹配结果进行历史数据查询,获得多个历史第二特征匹配结果、多个历史返工处理等级。且,多个历史第二特征匹配结果与多个历史返工处理等级之间具有映射关系。按照映射关系,将多个历史第二特征匹配结果、多个历史返工处理等级进行排列,获得返工处理等级评价列表。将第二特征匹配结果作为输入信息,输入返工处理等级评价列表,通过返工处理等级评价列表对第二特征匹配结果进行返工处理等级匹配。基础异常等级与返工处理等级的获得方式相同,为了说明书的简洁,在此不再赘述。
达到了通过第三特征匹配结果、第二特征匹配结果进行等级评价,获得基础异常等级、返工处理等级,提高石英晶体的镀膜检测质量,为后续对石英晶体进行镀膜工艺优化提供数据支持的技术效果。
进一步的,本申请步骤S940之后,还包括:
步骤S950:对所述镀膜检测结果进行异常结果统计;
步骤S960:基于异常结果的统计结果进行时间周期的异常特征增长分析;
步骤S970:根据异常特征增长分析结果生成反馈控制信息;
步骤S980:通过所述反馈控制信息进行石英晶体镀膜的控制调整。
具体而言,基于多个镀膜检测结果进行异常检测,获得多个异常结果,并对多个异常结果进行统计、汇总,获得异常结果的统计结果。继而,基于异常结果的统计结果进行时间周期的异常特征增长分析,获得异常特征增长分析结果,并根据异常特征增长分析结果,生成反馈控制信息,按照反馈控制信息进行石英晶体镀膜的控制调整。其中,所述异常结果的统计结果包括多个镀膜检测结果对应的多个异常结果。所述异常特征增长分析结果包括异常结果的统计结果对应的异常特征增长趋势信息。示例性地,在生成反馈控制信息时,基于异常特征增长分析结果进行大数据查询,获得多组构建数据。每组构建数据包括历史异常特征增长分析结果、历史反馈控制信息。将多组构建数据中随机的70%的数据信息划分为训练数据集。将多组构建数据中随机的30%的数据信息划分为测试数据集。基于BP神经网络,对训练数据集进行交叉监督训练,获得镀膜异常控制调整模型。将测试数据集作为输入信息,输入镀膜异常控制调整模型,通过测试数据集对镀膜异常控制调整模型进行参数更新。所述BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。所述BP神经网络包括输入层、多层神经元、输出层。BP神经网络可以进行正向计算、反向计算。正向计算时,输入信息从输入层经过多层神经元逐层处理,转向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向计算,将误差信号沿原来的连接通路返回,通过修改各神经元的权值,使得误差信号最小。镀膜异常控制调整模型符合BP神经网络,即,镀膜异常控制调整模型包括输入层、隐含层、输出层。镀膜异常控制调整模型具备对输入的异常特征增长分析结果进行智能化分析及反馈控制参数匹配的功能。多个异常结果、异常特征增长分析结果与反馈控制信息的获得方式相同,为了说明书的简洁,在此不再赘述。达到了通过对镀膜检测结果进行异常结果统计、异常特征增长分析,获得适配、合理、及时的反馈控制信息,从而提高石英晶体的镀膜质量的技术效果。
综上所述,本申请所提供的一种石英晶体镀膜智能检测方法具有如下技术效果:
1.通过待镀膜的石英晶体的生产数据和检测需求数据进行检测方案匹配,得到检测方案匹配结果;通过检测方案匹配结果控制图像采集装置对已经镀膜完成的石英晶体进行图像采集,获得图像采集结果;通过检测基础特征对图像采集结果执行特征匹配,获得组合特征匹配区域和非组合特征匹配区域;通过异常检测特征集合对非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;通过特征融合结果对组合特征匹配区域进行特征匹配,获得第二特征匹配结果,结合第一特征匹配结果,生成镀膜检测结果。达到了通过对石英晶体进行智能、全面的镀膜检测,提高石英晶体的镀膜检测准确度、全面性,提升石英晶体的镀膜检测质量的技术效果。
2.通过对生产数据和检测需求数据进行检测方案匹配,获得适配、可靠的检测方案匹配结果,从而提高石英晶体的镀膜检测准确度。
3.通过临时调用特征集合、检测基础特征对图像采集结果执行特征匹配,获得组合特征匹配区域和非组合特征匹配区域,从而提高石英晶体的镀膜检测精准度。
4.通过对镀膜检测结果进行异常结果统计、异常特征增长分析,获得适配、合理、及时的反馈控制信息,从而提高石英晶体的镀膜质量。
实施例二
基于与前述实施例中一种石英晶体镀膜智能检测方法,同样发明构思,本发明还提供了一种石英晶体镀膜智能检测***,所述***与图像采集装置通信连接,请参阅附图2,所述***包括:
生产数据读取模块11,所述生产数据读取模块11用于连接石英晶体生产数据库,读取待镀膜的石英晶体的生产数据;
检测方案匹配模块12,所述检测方案匹配模块12用于采集获得检测需求数据,根据所述生产数据和所述检测需求数据进行检测方案匹配,得到检测方案匹配结果,其中,所述检测方案匹配结果至少包括分隔区域方案、采集角度控制方案;
检测基础特征构建模块13,所述检测基础特征构建模块13用于获得石英晶体的晶体检测信息和薄膜的薄膜检测信息,通过所述晶体检测信息和所述薄膜检测信息构建检测基础特征;
图像采集模块14,所述图像采集模块14用于通过所述检测方案匹配结果控制所述图像采集装置对已经镀膜完成的所述石英晶体进行图像采集,获得图像采集结果;
执行特征匹配模块15,所述执行特征匹配模块15用于通过所述检测基础特征对所述图像采集结果执行特征匹配,将所述图像采集结果分为组合特征匹配区域和非组合特征匹配区域;
第一特征匹配模块16,所述第一特征匹配模块16用于构建异常检测特征集合,通过所述异常检测特征集合对所述非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;
特征融合模块17,所述特征融合模块17用于将所述检测基础特征作为背景特征,进行所述异常检测特征集合的特征融合,获得特征融合结果;
第二特征匹配模块18,所述第二特征匹配模块18用于通过所述特征融合结果对所述组合特征匹配区域进行特征匹配,获得第二特征匹配结果;
检测结果生成模块19,所述检测结果生成模块19用于根据所述第一特征匹配结果和所述第二特征匹配结果生成镀膜检测结果。
进一步的,所述***还包括:
第三特征匹配模块,所述第三特征匹配模块用于通过所述异常检测特征集合对所述图像采集结果进行整体特征匹配,获得第三特征匹配结果;
基础异常等级生成模块,所述基础异常等级生成模块用于通过所述第三特征匹配结果生成所述石英晶体的基础异常等级;
返工处理等级评价模块,所述返工处理等级评价模块用于通过所述第二特征匹配结果进行所述石英晶体的返工处理等级评价,生成返工处理等级;
第一执行模块,所述第一执行模块用于将所述基础异常等级和所述返工处理等级添加至所述镀膜检测结果。
进一步的,所述***还包括:
镀膜控制数据获得模块,所述镀膜控制数据获得模块用于采集获得所述石英晶体的镀膜控制数据;
控制数据分析模块,所述控制数据分析模块用于对所述镀膜控制数据进行控制数据分析,生成M个异常镀膜控制特征;
关联特征匹配模块,所述关联特征匹配模块用于通过所述M个异常镀膜控制特征对所述异常检测特征集合进行关联特征匹配,构建临时调用特征集合;
第二执行模块,所述第二执行模块用于通过所述临时调用特征集合执行所述图像采集结果的特征匹配。
进一步的,所述***还包括:
检出频率统计模块,所述检出频率统计模块用于对所述异常检测特征集合中各异常特征的检出频率统计,获得检出频率统计结果;
临时调用特征集合获得模块,所述临时调用特征集合获得模块用于设定检出频率和关联特征的初始分配值,通过所述初始分配值、关联特征匹配结果和所述检出频率统计结果构建获得所述临时调用特征集合。
进一步的,所述***还包括:
设备特征集合构建模块,所述设备特征集合构建模块用于对镀膜控制设备进行设备历史控制数据采集,并基于历史控制数据采集结果构建设备特征集合;
第三执行模块,所述第三执行模块用于通过所述设备特征集合和大数据设定设备运行参数与异常镀膜控制特征的关联映射关系;
异常镀膜控制特征生成模块,所述异常镀膜控制特征生成模块用于基于所述关联映射关系对所述镀膜控制数据进行控制数据分析,生成所述M个异常镀膜控制特征。
进一步的,所述***还包括:
定位方向获得模块,所述定位方向获得模块用于通过所述检测基础特征对所述图像采集结果执行特征匹配,获得石英晶体定位方向和薄膜定位方向;
第四执行模块,所述第四执行模块用于通过所述晶体检测信息、所述薄膜检测信息、所述石英晶体定位方向和所述薄膜定位方向确定特征组合方式,获得所述特征融合结果。
进一步的,所述***还包括:
异常结果统计模块,所述异常结果统计模块用于对所述镀膜检测结果进行异常结果统计;
异常特征增长分析模块,所述异常特征增长分析模块用于基于异常结果的统计结果进行时间周期的异常特征增长分析;
第五执行模块,所述第五执行模块用于根据异常特征增长分析结果生成反馈控制信息;
控制调整模块,所述控制调整模块用于通过所述反馈控制信息进行石英晶体镀膜的控制调整。
本发明实施例所提供的一种石英晶体镀膜智能检测***可执行本发明任意实施例所提供的一种石英晶体镀膜智能检测方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三
图3为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图3显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图3所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图3中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图3中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种石英晶体镀膜智能检测方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种石英晶体镀膜智能检测方法。本申请提供了一种石英晶体镀膜智能检测方法,其中,所述方法应用于一种石英晶体镀膜智能检测***,所述方法包括:通过待镀膜的石英晶体的生产数据和检测需求数据进行检测方案匹配,得到检测方案匹配结果;通过检测方案匹配结果控制图像采集装置对已经镀膜完成的石英晶体进行图像采集,获得图像采集结果;通过检测基础特征对图像采集结果执行特征匹配,获得组合特征匹配区域和非组合特征匹配区域;通过异常检测特征集合对非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;通过特征融合结果对组合特征匹配区域进行特征匹配,获得第二特征匹配结果,结合第一特征匹配结果,生成镀膜检测结果。解决了现有技术中针对石英晶体的镀膜检测准确度低、全面性不高,进而造成石英晶体的镀膜检测效果不佳的技术问题。达到了通过对石英晶体进行智能、全面的镀膜检测,提高石英晶体的镀膜检测准确度、全面性,提升石英晶体的镀膜检测质量的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种石英晶体镀膜智能检测方法,其特征在于,所述方法应用于镀膜智能检测***,所述镀膜智能检测***与图像采集装置通信连接,所述方法包括:
连接石英晶体生产数据库,读取待镀膜的石英晶体的生产数据;
采集获得检测需求数据,根据所述生产数据和所述检测需求数据进行检测方案匹配,得到检测方案匹配结果,其中,所述检测方案匹配结果至少包括分隔区域方案、采集角度控制方案;
获得石英晶体的晶体检测信息和薄膜的薄膜检测信息,通过所述晶体检测信息和所述薄膜检测信息构建检测基础特征;
通过所述检测方案匹配结果控制所述图像采集装置对已经镀膜完成的所述石英晶体进行图像采集,获得图像采集结果;
通过所述检测基础特征对所述图像采集结果执行特征匹配,将所述图像采集结果分为组合特征匹配区域和非组合特征匹配区域;
构建异常检测特征集合,通过所述异常检测特征集合对所述非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;
将所述检测基础特征作为背景特征,进行所述异常检测特征集合的特征融合,获得特征融合结果;
通过所述特征融合结果对所述组合特征匹配区域进行特征匹配,获得第二特征匹配结果;
根据所述第一特征匹配结果和所述第二特征匹配结果生成镀膜检测结果;
其中,通过所述检测基础特征对所述图像采集结果执行特征匹配,将所述图像采集结果分为组合特征匹配区域和非组合特征匹配区域,包括:
采集获得所述石英晶体的镀膜控制数据;
对所述镀膜控制数据进行控制数据分析,生成M个异常镀膜控制特征;
通过所述M个异常镀膜控制特征对所述异常检测特征集合进行关联特征匹配,构建临时调用特征集合;
通过所述临时调用特征集合执行所述图像采集结果的特征匹配;
对所述镀膜控制数据进行控制数据分析,生成M个异常镀膜控制特征,包括:
对镀膜控制设备进行设备历史控制数据采集,并基于历史控制数据采集结果构建设备特征集合;
通过所述设备特征集合和大数据设定设备运行参数与异常镀膜控制特征的关联映射关系;
基于所述关联映射关系对所述镀膜控制数据进行控制数据分析,生成所述M个异常镀膜控制特征;
通过所述M个异常镀膜控制特征对所述异常检测特征集合进行关联特征匹配,构建临时调用特征集合,包括:
对所述异常检测特征集合中各异常特征的检出频率统计,获得检出频率统计结果;
设定检出频率和关联特征的初始分配值,通过所述初始分配值、关联特征匹配结果和所述检出频率统计结果构建获得所述临时调用特征集合。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
通过所述异常检测特征集合对所述图像采集结果进行整体特征匹配,获得第三特征匹配结果;
通过所述第三特征匹配结果生成所述石英晶体的基础异常等级;
通过所述第二特征匹配结果进行所述石英晶体的返工处理等级评价,生成返工处理等级;
将所述基础异常等级和所述返工处理等级添加至所述镀膜检测结果。
3.如权利要求1所述的方法,其特征在于,所述方法包括:
通过所述检测基础特征对所述图像采集结果执行特征匹配,获得石英晶体定位方向和薄膜定位方向;
通过所述晶体检测信息、所述薄膜检测信息、所述石英晶体定位方向和所述薄膜定位方向确定特征组合方式,获得所述特征融合结果。
4.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述镀膜检测结果进行异常结果统计;
基于异常结果的统计结果进行时间周期的异常特征增长分析;
根据异常特征增长分析结果生成反馈控制信息;
通过所述反馈控制信息进行石英晶体镀膜的控制调整。
5.一种石英晶体镀膜智能检测***,其特征在于,所述***与图像采集装置通信连接,所述***包括:
生产数据读取模块,所述生产数据读取模块用于连接石英晶体生产数据库,读取待镀膜的石英晶体的生产数据;
检测方案匹配模块,所述检测方案匹配模块用于采集获得检测需求数据,根据所述生产数据和所述检测需求数据进行检测方案匹配,得到检测方案匹配结果,其中,所述检测方案匹配结果至少包括分隔区域方案、采集角度控制方案;
检测基础特征构建模块,所述检测基础特征构建模块用于获得石英晶体的晶体检测信息和薄膜的薄膜检测信息,通过所述晶体检测信息和所述薄膜检测信息构建检测基础特征;
图像采集模块,所述图像采集模块用于通过所述检测方案匹配结果控制所述图像采集装置对已经镀膜完成的所述石英晶体进行图像采集,获得图像采集结果;
执行特征匹配模块,所述执行特征匹配模块用于通过所述检测基础特征对所述图像采集结果执行特征匹配,将所述图像采集结果分为组合特征匹配区域和非组合特征匹配区域;
第一特征匹配模块,所述第一特征匹配模块用于构建异常检测特征集合,通过所述异常检测特征集合对所述非组合特征匹配区域进行特征匹配,获得第一特征匹配结果;
特征融合模块,所述特征融合模块用于将所述检测基础特征作为背景特征,进行所述异常检测特征集合的特征融合,获得特征融合结果;
第二特征匹配模块,所述第二特征匹配模块用于通过所述特征融合结果对所述组合特征匹配区域进行特征匹配,获得第二特征匹配结果;
检测结果生成模块,所述检测结果生成模块用于根据所述第一特征匹配结果和所述第二特征匹配结果生成镀膜检测结果;
所述执行特征匹配模块,包括:
镀膜控制数据获得模块,所述镀膜控制数据获得模块用于采集获得所述石英晶体的镀膜控制数据;
控制数据分析模块,所述控制数据分析模块用于对所述镀膜控制数据进行控制数据分析,生成M个异常镀膜控制特征;
关联特征匹配模块,所述关联特征匹配模块用于通过所述M个异常镀膜控制特征对所述异常检测特征集合进行关联特征匹配,构建临时调用特征集合;
第二执行模块,所述第二执行模块用于通过所述临时调用特征集合执行所述图像采集结果的特征匹配;
所述控制数据分析模块,包括:
设备特征集合构建模块,所述设备特征集合构建模块用于对镀膜控制设备进行设备历史控制数据采集,并基于历史控制数据采集结果构建设备特征集合;
第三执行模块,所述第三执行模块用于通过所述设备特征集合和大数据设定设备运行参数与异常镀膜控制特征的关联映射关系;
异常镀膜控制特征生成模块,所述异常镀膜控制特征生成模块用于基于所述关联映射关系对所述镀膜控制数据进行控制数据分析,生成所述M个异常镀膜控制特征;
所述关联特征匹配模块,包括:
检出频率统计模块,所述检出频率统计模块用于对所述异常检测特征集合中各异常特征的检出频率统计,获得检出频率统计结果;
临时调用特征集合获得模块,所述临时调用特征集合获得模块用于设定检出频率和关联特征的初始分配值,通过所述初始分配值、关联特征匹配结果和所述检出频率统计结果构建获得所述临时调用特征集合。
6.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至4任一项所述的一种石英晶体镀膜智能检测方法。
7.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4中任一所述的一种石英晶体镀膜智能检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310510997.4A CN116229126B (zh) | 2023-05-09 | 2023-05-09 | 一种石英晶体镀膜智能检测方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310510997.4A CN116229126B (zh) | 2023-05-09 | 2023-05-09 | 一种石英晶体镀膜智能检测方法、***、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116229126A CN116229126A (zh) | 2023-06-06 |
CN116229126B true CN116229126B (zh) | 2023-07-25 |
Family
ID=86587664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310510997.4A Active CN116229126B (zh) | 2023-05-09 | 2023-05-09 | 一种石英晶体镀膜智能检测方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116229126B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116890222B (zh) * | 2023-08-17 | 2024-01-16 | 广州誉鑫精密部件有限公司 | 一种自动组装机的智能定位方法及装置 |
CN117405674B (zh) * | 2023-12-13 | 2024-02-23 | 苏州宣雄智能科技有限公司 | 一种镜片镀膜自动检测*** |
CN117554407B (zh) * | 2024-01-10 | 2024-05-24 | 南通纳科达聚氨酯科技有限公司 | 一种光子晶体镀膜缺陷的在线检测方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272329A (zh) * | 2022-09-28 | 2022-11-01 | 中科卓芯半导体科技(苏州)有限公司 | 一种基于图像检测的掩膜版生产优化方法及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11268818B2 (en) * | 2013-03-14 | 2022-03-08 | Trx Systems, Inc. | Crowd sourced mapping with robust structural features |
EP3971556A1 (en) * | 2020-09-17 | 2022-03-23 | Evonik Operations GmbH | Qualitative or quantitative characterization of a coating surface |
CN112232399B (zh) * | 2020-10-10 | 2022-04-15 | 南京埃斯顿机器人工程有限公司 | 基于多特征融合机器学习的汽车座椅缺陷检测方法 |
CN115115600A (zh) * | 2022-07-01 | 2022-09-27 | 心鉴智控(深圳)科技有限公司 | 镀膜镜片瑕疵检测方法、装置、设备及存储介质 |
CN115473740A (zh) * | 2022-09-15 | 2022-12-13 | 上海望繁信科技有限公司 | 一种基于异构流程的异常检测方法与*** |
CN115830030B (zh) * | 2023-02-22 | 2023-05-05 | 日照皓诚电子科技有限公司 | 一种石英晶片的外观质量评估方法及*** |
-
2023
- 2023-05-09 CN CN202310510997.4A patent/CN116229126B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272329A (zh) * | 2022-09-28 | 2022-11-01 | 中科卓芯半导体科技(苏州)有限公司 | 一种基于图像检测的掩膜版生产优化方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116229126A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116229126B (zh) | 一种石英晶体镀膜智能检测方法、***、设备及介质 | |
US11283991B2 (en) | Method and system for tuning a camera image signal processor for computer vision tasks | |
JP3637412B2 (ja) | 時系列データ学習・予測装置 | |
CN115019510B (zh) | 一种基于动态自适应生成对抗网络的交通数据修复方法 | |
CN116467674B (zh) | 一种配电网智能故障处理融合更新***及其方法 | |
JP2023511464A (ja) | 製品不良要因を分析するシステム及び方法、コンピュータ可読媒体 | |
CN112508299A (zh) | 一种电力负荷预测方法、装置、终端设备及存储介质 | |
CN114445449A (zh) | 基于变结构t-s模糊语义模型的目标跟踪方法及相关装置 | |
CN114971345A (zh) | 一种建成环境品质测度方法、设备及存储介质 | |
AU2020101462A4 (en) | Method and device for predicting and evaluating regional eco-quality annual harvest | |
CN114155048A (zh) | 关联业务预测的方法、装置、电子设备及存储介质 | |
CN113111256A (zh) | 基于深度知识图谱的生产工单推荐方法 | |
CN117587403A (zh) | 基于化学转化的铝合金模板表面处理方法及*** | |
WO2019000891A1 (zh) | Pcb加投率计算模型构建方法和装置 | |
CN116883184A (zh) | 一种基于大数据的财税智能化分析方法 | |
CN116737681A (zh) | 一种实时异常日志检测方法、装置、计算机设备和存储介质 | |
CN114266423B (zh) | 基于多模型的电力能源需求预测方法、装置及存储介质 | |
JPH09233700A (ja) | 日最大需要電力予測の信頼性評価方法 | |
CN115809725A (zh) | 一种多因素短期电量预测方法及装置 | |
CN115330351A (zh) | 一种企业生产的管控方法、***及设备 | |
CN112069633B (zh) | 一种采用大数据聚类的基于粒子群原理的配电网数据预处理方法 | |
CN113673759A (zh) | 一种水文资料实时整编方法及终端 | |
CN112528500A (zh) | 一种场景图构造模型的评估方法及评估设备 | |
CN110751335A (zh) | 一种区域生态质量年景预测评价方法及装置 | |
CN117039855B (zh) | 一种电力***的负荷智能预测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |