【技术实现步骤摘要】
本申请涉及半导体生产工艺，特别涉及激光精密切割异形槽板制造方法、系统、设备及介质。
技术介绍
1、激光切割技术作为一种高精度、高效率的材料加工方法，在工业生产中得到了广泛应用。异形槽板的加工通常涉及到多个参数的复杂调节，包括槽板厚度、材质、焦距、切割深度等，而这些参数的合理设置直接影响到切割效果和加工质量。激光切割这种方法可以切割出各种形状，而且切割面光洁度高、毛刺少。但是激光切割设备成本较高，需要具备一定的技能才能操作。
2、在激光切割中，能耗是一个重要的考虑因素。传统的切割能耗优化主要基于经验规则，缺乏对激光切割过程中复杂参数交互影响的深入理解。在过去的研究中，很少有综合考虑槽板特性、激光功率、切割速度等多个相关因素的能耗优化方法，因而，在实际生产中存在着潜在的能耗浪费。
3、质量控制是激光切割过程中另一个关键问题。异形槽板的质量直接受到切割后表面毛刺、切割深度不均匀等因素的影响。然而，传统的质量控制主要依赖于对切割后的异形槽板进行目测或者人工测量，存在着主观性强、低效率和不稳定等问题，使得生产中无法实现实时监控和精准控制，导致加工质量不稳定。而加工质量的不稳定也代表着废品率上升，产品成本加大；
4、综上所述，在激光切割异形槽板的过程中，实现成本控制和能耗最小化是当前研究和产业发展中的一个关键挑战。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出激光精密切割异形槽板制造方法、系统、设备
2、本申请的一个方面提供了激光精密切割异形槽板制造方法，包括：
3、步骤s100：收集异形槽板的历史切割数据，包括：槽板厚度、槽板材质、焦距、切割深度和切割参数；
4、所述切割参数包括激光功率和切割速度；
5、所述槽板厚度是指工件原始的厚度；
6、所述槽板材质是用于制造槽板的石英材料，根据具体的应用场景和要求的不同，石英材料的特性也不同；
7、所述焦距是指激光切割机发射激光的透镜到焦点的距离；
8、所述切割深度是指激光或切割工具在工件表面所穿透的深度，即切割到工件内部的距离；
9、所述收集异形槽板的历史切割数据的具体方法为：
10、步骤s110：收集历史生产过程中切割异形槽板的历史切割数据；
11、步骤s120：获取所有历史切割数据对应的异形槽板图像；
12、步骤s130：对异形槽板图像进行处理，突出毛刺区域，计算毛刺区域的像素密度，将毛刺区域的像素密度映射为毛刺程度；
13、所述突出毛刺区域的具体方法为：对异形槽板图像进行边缘检测，使用边缘检测算法突出毛刺；
14、所述计算毛刺区域的像素密度的具体方法为：
15、步骤s131：将突出毛刺后的异形槽板图像中的毛刺区域进行像素二值化；
16、步骤s132：统计毛刺区域中白色像素的数量；
17、步骤s133：将白色像素的数量除以毛刺区域的总像素数量得到像素密度；
18、所述异形槽板图像中的像素密度越高则毛刺程度越高；
19、所述将毛刺区域的像素密度映射为毛刺程度的映射公式为：；
20、步骤s140：获取理想切割深度作为切割深度的标准，根据切割后的异形槽板图像获取实际的切割深度，使用轮廓匹配算法比较理想切割深度与实际的切割深度之间的轮廓相似性，将轮廓相似性映射为切割程度；
21、所述理想切割深度是指：在切割过程中期望获得的异形槽板的理想深度，作为切割深度的标准，用于评估实际的切割深度与期望深度之间的相似性；
22、所述使用轮廓匹配算法比较理想切割深度与实际的切割深度之间的轮廓相似性为本领域常规技术手段，在此不作赘述；
23、所述将轮廓相似性映射为切割程度的映射公式为：；
24、所述理想切割深度与实际的切割深度之间的轮廓相似性越高，则切割程度越高；
25、步骤s150：由毛刺程度和切割程度计算得到异形槽板的切割质量分数s；
26、所述切割质量分数的计算公式为：；
27、其中，b为毛刺权重的相对权重，c为切割权重的相对权重，b与c的和为1，为毛刺程度的权重，为切割程度的权重，为毛刺程度的映射函数，为毛刺区域的像素密度，α是调整毛刺程度的映射函数的曲线陡峭程度的参数，为切割程度的映射函数，为理想切割深度与实际的切割深度之间的轮廓相似性，β是控制切割程度的映射函数的曲线陡峭程度的参数，γ是切割程度的映射函数的中点位置参数；
28、步骤s160：设定切割质量阈值，比较切割质量阈值与切割质量分数的大小，将大于切割质量阈值的切割质量分数对应的异形槽板的历史切割数据筛选出来得到标准历史切割数据；
29、所述切割质量阈值根据实际生产过程中的需要进行设定；
30、所述标准历史切割数据是从所有异形槽板中筛选出的切割质量分数满足切割质量阈值的异形槽板的历史切割数据，其中包括：槽板厚度、槽板材质、焦距、切割深度和切割参数，切割参数包括激光功率和切割速度；
31、步骤s200：利用历史切割异形槽板的槽板厚度、槽板材质、切割深度、焦距训练得到切割参数预测模型；
32、所述切割参数预测模型是通过槽板厚度、槽板材质、切割深度、焦距预测得到切割速度和激光功率的机器学习模型；
33、所述利用历史切割异形槽板的槽板厚度、槽板材质、切割深度、焦距训练得到切割参数预测模型的具体方法为：
34、步骤s210：提取标准历史切割数据中的槽板厚度、槽板材质、切割深度、焦距的特征数据得到厚度特征数据、材质特征数据、深度特征数据、焦距特征数据；
35、所述槽板厚度的特征包括但不限于：平均厚度、最大厚度、最小厚度，对槽板厚度进行统计计算、提取每个异形槽板的厚度特征数据；
36、所述槽板材质的特征包括但不限于：材质密度、材质类型，将槽板材质进行编码或映射使其能够被机器学习模型理解，得到材质特征数据；
37、所述切割深度的特征包括但不限于：切割深度分布、切割深度的空间分布，由切割深度的特征统计得到深度特征数据；
38、所述焦距的特征包括但不限于：实际焦距和焦距范围，将焦距的特征进行归一化得到焦距特征数据；
39、步骤s220：将切割参数作为每个异形槽板的切割特征标签；
40、步骤s230：选择机器学习模型作为初始模型，将厚度特征数据、材质特征数据、深度特征数据、焦距特征数据作为训练切割参数预测模型的输入数据，将异形槽板的切割特征标签作为训练切割参数预测模型的输出数据；
41、优选地，所述机器学习模型选用线性回归模型；
42、步骤s240：以准确预测每个异形槽板的切割参数作为切割参数预测模型的预测目标，以最小化本文档来自技高网...
【技术保护点】
1.激光精密切割异形槽板制造方法，其特征在于，包括：
2.如权利要求1所述的激光精密切割异形槽板制造方法，其特征在于，所述切割参数包括激光功率和切割速度。
3.如权利要求2所述的激光精密切割异形槽板制造方法，其特征在于，所述收集异形槽板的历史切割数据的具体方法为：
4.如权利要求3所述的激光精密切割异形槽板制造方法，其特征在于，所述计算毛刺区域的像素密度的具体方法为：
5.如权利要求4所述的激光精密切割异形槽板制造方法，其特征在于，所述切割质量分数的计算公式为：；
6.如权利要求5所述的激光精密切割异形槽板制造方法，其特征在于，所述利用历史切割异形槽板的槽板厚度、槽板材质、切割深度、焦距训练得到切割参数预测模型的具体方法为：
7.如权利要求6所述的激光精密切割异形槽板制造方法，其特征在于，所述获取当前的异形槽板的槽板厚度、槽板材质、切割深度、焦距，利用切割参数预测模型预测得到切割速度和激光功率的具体方法为：
8.如权利要求7所述的激光精密切割异形槽板制造方法，其特征在于，所述根据切割需求获取切割路
9.如权利要求8所述的激光精密切割异形槽板制造方法，其特征在于，所述为槽板图中的边分配第一权重，根据最小生成树算法生成切割路程的具体方法为：
10.如权利要求9所述的激光精密切割异形槽板制造方法，其特征在于，所述计算切割后的异形槽板的切割质量分数，将切割质量分数小于等于切割质量阈值的异形槽板进行二次加工或废料回收的具体方法为：
11.激光精密切割异形槽板制造系统，其特征在于，包括：
12.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，以实现如权利要求1-10任一项所述的激光精密切割异形槽板制造方法中的步骤。
13.一种可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如权利要求1-10任一项所述的激光精密切割异形槽板制造方法中的步骤。
...【技术特征摘要】
1.激光精密切割异形槽板制造方法，其特征在于，包括：
2.如权利要求1所述的激光精密切割异形槽板制造方法，其特征在于，所述切割参数包括激光功率和切割速度。
3.如权利要求2所述的激光精密切割异形槽板制造方法，其特征在于，所述收集异形槽板的历史切割数据的具体方法为：
4.如权利要求3所述的激光精密切割异形槽板制造方法，其特征在于，所述计算毛刺区域的像素密度的具体方法为：
5.如权利要求4所述的激光精密切割异形槽板制造方法，其特征在于，所述切割质量分数的计算公式为：；
6.如权利要求5所述的激光精密切割异形槽板制造方法，其特征在于，所述利用历史切割异形槽板的槽板厚度、槽板材质、切割深度、焦距训练得到切割参数预测模型的具体方法为：
7.如权利要求6所述的激光精密切割异形槽板制造方法，其特征在于，所述获取当前的异形槽板的槽板厚度、槽板材质、切割深度、焦距，利用切割参数预测模型预测得到切割速度和激光功率的具体方法为：
8.如权利要求7所述的激光精密...
【专利技术属性】
技术研发人员：陈佳宇，周韦军，周文华，
申请(专利权)人：上海强华实业股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。