一种晶体生长过程中籽晶单晶线棱角的识别检测方法技术

本发明专利技术涉及晶体生长识别技术领域，具体为一种晶体生长过程中籽晶单晶线棱角的识别检测方法，包括构建高质量数据集、构建人工智能算法模型、模型训练以及模型评估验证四个步骤，本发明专利技术克服人工判断引晶工序开始时机的不足，提供一种自动化判断引晶时机的方法，使得控制系统自动控制调温结束后的引晶工序开始的操作；具体的本发明专利技术通过深度学习算法对大批量相关场景的图片数据进行训练，得到最优模型，从而可以精准检测出籽晶单晶线棱角的出角状态，使得调用最优模型的晶体生长控制系统可以自动判断引晶工序开始的时机，避免了人工操作的上述缺点。作的上述缺点。作的上述缺点。

【技术实现步骤摘要】
一种晶体生长过程中籽晶单晶线棱角的识别检测方法


[0001]本专利技术涉及晶体生长识别
，具体为一种晶体生长过程中籽晶单晶线棱角的识别检测方法。

技术介绍

[0002]在传统的单晶生长控制系统中，调温(稳温)工序结束后到引晶工序阶段，行业一般为人工判断是否可进入引晶工序的时机，人工判断的标准主要为籽晶单晶线棱角的出角状态，单晶线棱角出角饱满即可认为可进入引晶工序，这种方式因人的技能水平差异，判断标准不同等因素易造成进入引晶工序时机标准不同，从而对产量及成品率产生一定影响，目前业内并无相关的引晶工序开始时机判断自动化解决方案；
[0003]且在人工操作的基础上需大量一线工人时刻关注并操作，对生产成本、产量及生产效率造成一定影响。

技术实现思路

[0004]本专利技术的目的在于提供一种晶体生长过程中籽晶单晶线棱角的识别检测方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种晶体生长过程中籽晶单晶线棱角的识别检测方法，包括以下步骤：
>[0006]步骤S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种晶体生长过程中籽晶单晶线棱角的识别检测方法，其特征在于，包括以下步骤：步骤S1：通过CCD系统的工业相机端对调温后、引晶前满足引晶条件的籽晶单晶线棱角的出角图像进行采集，根据采集的图像对特征点进行单帧标注处理以构建数据集；将所述数据集以第一比例分割为训练集、测试集和验证集；步骤S2：根据已标注的数据集及系统应用场景选择预训练模型，基于预训练模型，构建深度学习模型训练算法；所述训练算法包括图片数据处理、损失值计算和预训练模型权重参数迭代过程；步骤S3：基于步骤S2中的深度学习模型训练算法，将已采集并标注的训练集数据进行迭代训练，训练过程中验证集实时参与验证，并记录训练集损失值及验证集损失值；根据验证集损失值变化判定预训练模型的学习情况，并实时保存当前训练进度的实时最优模型；经过mepoch训练过程后，m为正整数，获得整体最优模型；步骤S4：将步骤S3中的整体最优模型在测试集上测试模型效果，得到模型识别准确率，并判断是否符合实际生产标准。2.根据权利要求1所述的一种晶体生长过程中籽晶单晶线棱角的识别检测方法，其特征在于：所述步骤S1中引晶条件是指单晶线棱角出角饱满时刻；所述特征点是指可引晶时刻图像中籽晶所出现的棱角；所述单帧标注处理是指对棱角特征点进行标注突出。3.根据权利要求1所述的一种晶体生长过程中籽晶单晶线棱角的识别检测方法，其特征在于：所述步骤S3中将已采集并标注的训练集数据进行迭代训练，训练过程中验证集实时参与验证，并记录训练集损失值及验证集损失值；包括以下分析步骤：步骤S31：输入图像大小为640*640*3，通过Focus模块进行切片，得到格式为320*320*12的切片图像，经过Concat将切片图像的高度和宽度整合，增加输入图像的通道数，且图像的通道数为64，得到第一处理图像大小为320*320*64；步骤S32：对整合后的图像通过大小为3，步长为2的Conv卷积模块进行特征提取，输出图像大小为160*160*128的第一特征图像；步骤S33：对步骤S32中的第一特征图像经过3组BottleneckCSP1和Conv卷积操作后，得到图像大小为20*20*1024的第二特征图像；采用SSP模块对第二特征图像进行1*1、5*5、9*9、13*13四次最大池化操作，提取图像特征，通过Concat将四组池化后的特征图像聚合得到第三特征图像；步骤S34：将第三特征图像经过BottleneckCSP2模块减少模型参数量，通过上采样操作得到80*80*512大小的第四特征图像；步骤S35：对第四特征图像通过下采样操作分别得到80*80*512、40*40*512、20*20*512三种格式的特征图像；步骤S36：对步骤S35中三种不同格式的特征图像进行Conv2d卷积操作，得到三种格式分别为80*80*255、40*40*255、20*20*255的特征图像；步骤S37：基于步骤S36中三种格式的特征图像，根据预训练模型参数，输出预测框，并将预测框与特征图像中标注的真实框进行对比，计算两者损失值；再反向更新迭代优化预训练模型的权重参数；步骤S38：经过训练集数据的不断输入，迭代预训练模型参数，输出实时epoch迭代训练完成的权重参数模型。
4.根据权利要求3所述的一种晶体生长过程中籽晶单晶线棱角的识别检测方法，其特征在于：步骤S37中权重参数的迭代过程包括以下分析步骤：给定超参数0≤β1≤1，本申请中设置β1为0.9，时间步t的动量变量v
t
随机梯度g
t
加权平均：vt
←
β1v
t
‑1+(1
‑
β1)g
t
在时间步t得到：其中，g
i
表示时间步i时刻的随机梯度，将过去时间步随机梯度的权值相加：进行偏差修正：当t较小，过去时间步批量随机梯度值之和较小，对任意时间步t，将v
t
除以1
‑
β1
t
；得到：时间步t的变量n
t
及随机梯度g
t
的平方加权平均：后同样经过减小t较小时的影响，到此得到每一时间步t经过修正后的v
t
'、n
t
'，然后将训练模型参数中每个权重参数的学习率通过按元素运算重新调整：其中η表示学习率，∈是常数，设∈＝10
‑8；最后，使用计算出的g
t
'迭代模型的中权重参数，得到：w
...

【专利技术属性】
技术研发人员：郑庆红，赵杰，杨振雷，苑启哲，方志奇，
申请(专利权)人：保定景欣电气有限公司，
类型：发明
国别省市：