本發明涉及一種及半導體材料加工，尤其涉及一種檢測拉晶過程中棱線斷線的方法、應用其的檢測裝置及電子設備。

背景技術：

1、拉晶是指通過在高溫下熔化高純度硅原料，并將單晶硅籽晶浸入熔液中，隨著溫度的控制和籽晶的提拉，使熔液圍繞籽晶逐漸凝固并生長成一根完整的單晶硅棒。這種方法能夠制備出高純度、高質量的單晶硅材料，廣泛應用于半導體和太陽能等領域。

2、在拉晶過程的后期，晶棒會等徑生長，在液面處慢慢旋轉生長為圓柱形固體晶棒，其側表面會形成豎直棱線，生產過程中，會因為一些因素(如環境不達標、拉晶速度不匹配或者人員操作不當等)致使棱線斷裂或消失，這種情況被稱為斷棱(或斷線)，斷棱后繼續生產出來的晶棒是不合格的。因此，如果未及時發現斷棱情況，那最后生長出來的晶棒成為廢品，造成成本的浪費。

3、傳統單晶爐等徑生長過程中檢測棱線斷棱時，多采用人工巡檢的方式進行拉晶判別。人工判斷單晶硅棱線是否有斷線出現。這種方式因人的技能水平差異，人工檢測存在檢測效率低，判斷標準不同等因素易造成對產量及成品率產生一定影響。

技術實現思路

1、本發明的目的在于解決現有技術存在的上述問題而提供一種檢測拉晶過程中棱線斷線的方法、應用其的檢測裝置及電子設備，獲得單晶硅等徑過程中的待測圖像，使用具有機器學習模型能力的斷線檢測模型對待測圖像進行處理，通過斷線檢測模型的待測圖像中單晶硅棱線所在的區域具有表征是否存在斷線的樣本標簽檢測出待測圖像中單晶硅棱線所在的區域中是否存在斷線、并形成斷線報警信息用于報警，從而有利于提高單晶硅棱線的斷線檢測效率。

2、本發明的上述技術目的主要是通過以下技術方案解決的：

3、本發明涉及的第一技術主體的技術方案：

4、一種檢測拉晶過程中棱線斷線的方法，其特征在于其步驟包括：

5、獲得單晶硅等徑過程中的若干待測圖像；

6、基于待測圖像，通過深度神經網絡機器學習模型訓練得到的斷線檢測模型；

7、基于所述斷線檢測模型處理所述待測圖像，獲得檢測結果；

8、所述檢測結果表征所述待測圖像中單晶硅棱線所在的區域是否存在斷線；

9、基于所述檢測結果，獲得斷線報警信息，所述斷線報警信息用于指示對單晶硅等徑拉晶過程進行處理。

10、作為對上述技術方案的進一步完善和補充，本發明采用如下技術措施：所述待測圖像中具有一個或若干個樣本區域；每個所述樣本區域均為單晶硅上棱線所在的區域，每個樣本區域分別對應一個所述樣本標簽，所述樣本標簽表征對應的所述樣本區域中的棱線是否存在斷線，基于所述斷線檢測模型，使所述檢測結果表征所述待測圖像中單晶硅棱線所在的區域中的棱線是否存在斷線。

11、作為優選，根據所述檢測結果，獲得斷線報警信息的步驟包括：

12、收集最近的設定次數的若干待測圖像；

13、獲得所對應數量的若干個所述檢測結果；

14、確定每個所述檢測結果中檢測出的斷線次數和總檢測次數，獲得若干個棱線斷線率；

15、基于所述棱線斷線率生成斷線報警信息。

16、作為優選，所述檢測結果，獲得斷線報警信息的步驟包括：

17、收集最近的若干時長內的具有時間順序的若干待測圖像；

18、獲得對應數量的對應的若干所述檢測結果；

19、確定每個所述檢測結果中檢測出的斷線次數和總檢測次數，獲得若干個棱線斷線率；

20、基于所述棱線斷線率生成斷線報警信息。

21、作為優選，設定檢測頻率，在所述待測圖像中獲取新圖像用來檢測時，以新時刻的圖像作為當前圖像，其步驟包括：

22、在所述待測圖像中對新的圖像進行檢測，獲取新時刻得到的檢測結果，重新把新時刻的圖像作為新的當前圖像，再根據相同的規則來計算出新圖像對應的當前棱線斷線率，依此類推，直到所有待測圖像都計算出對應的當前棱線斷線率為止。

23、作為優選，當所述棱線斷線率小于或等于斷線率閾值時，設置斷線計數值為0；

24、當所述棱線斷線率大于所述斷線率閾值時，所述斷線計數值增加1；

25、若出現所述棱線斷線率小于或等于所述斷線率閾值，則所述斷線計數值清零、重新計算；

26、依次判斷若干所述棱線斷線率與所述斷線率閾值的大小，獲得最終斷線計數值，當所述最終斷線計數值大于或等于計數閾值，則生成斷線報警信息。

27、作為優選，所述待測圖像之間具有圖像順序，所述圖像順序與所述待測圖像被采集的順序一致。

28、作為優選，得到待測圖像的步驟包括：

29、初始圖像為在單晶爐等徑過程中采集到的圖像；

30、獲得針對所述初始圖像的標注數據；

31、所述標注數據包括被標注的樣本區域和所述樣本區域對應的樣本標簽；

32、在所述初始圖像中的所述樣本區域添加所述樣本標簽，得到待測圖像。

33、本發明涉及的第二技術主體的技術方案：一種基于檢測拉晶過程中棱線斷線的方法的檢測裝置，其特征在于包括：

34、圖像獲得單元，用于獲得單晶硅等徑過程中的待測圖像；

35、圖像檢測單元，基于待測圖像、通過深度神經網絡機器學習模型訓練得到的斷線檢測模型對所述待測圖像進行處理，以得到所述待測圖像對應的檢測結果，所述檢測結果表征所述待測圖像中單晶硅棱線所在的區域是否存在斷線；

36、斷線報警單元：基于所述檢測結果，用于指示對單晶硅等徑拉晶過程進行處理。

37、本發明涉及的第三技術主體的技術方案：一種電子設備，包括：

38、存儲裝置，用于存儲計算機程序以及所述計算機程序運行所產生的數據；

39、處理器，用于執行所述計算機程序，所述計算機程序被處理器執行時實現前述的檢測拉晶過程中棱線斷線的方法，以實現：

40、獲得單晶硅等徑過程中的若干待測圖像；

41、基于待測圖像，通過深度神經網絡機器學習模型訓練得到的斷線檢測模型；

42、基于所述斷線檢測模型處理所述待測圖像，獲得檢測結果；

43、所述檢測結果表征所述待測圖像中單晶硅棱線所在的區域是否存在斷線；

44、基于所述檢測結果，獲得斷線報警信息，所述斷線報警信息用于指示對單晶硅等徑拉晶過程進行處理。

45、本發明具有的有益效果：

46、1、在獲得到單晶硅等徑過程中的待測圖像之后，使用斷線檢測模型對待測圖像進行處理，由于斷線檢測模型的待測圖像中單晶硅棱線所在的區域具有表征是否存在斷線的樣本標簽，因此，斷線檢測模型能夠檢測出待測圖像中單晶硅棱線所在的區域中是否存在斷線。

47、2、通過設置于拉晶爐內的攝像頭捕獲等徑過程的實時圖像，增強實時性；通過具有機器學習能力的斷線檢測模型對棱線斷線的特點進行學習，能夠快速檢測出單晶硅棱線是否出現斷線；結合連續多次檢測和計算，得到等徑階段斷線的斷線率，有效減少了單次檢測斷線可能帶來的波動誤差，由此提高單晶硅棱線的斷線檢測效率，提高斷線檢測的準確度；

48、3、能夠自動獲取等徑過程中的斷線情況，并對其進行處理和分析，從而實現對單晶硅棱線斷線的自動檢測和判斷，有助于及時發現并解決拉晶過程中可能出現的問題，不僅能夠減少原料浪費和晶棒報廢率，而且還能確保生產過程的穩定性和產品質量穩定性，有利于提高產品合格率和生產效益，從而有利于提高生產效率。

49、4、簡化操作流程，實現了自動化檢測和控制，降低了生產過程中對操作人員的依賴程度

50、5、裝置結構簡單、操作方便，減少了操作人員進入生產車間的頻次和靠近拉晶爐進行操作的頻次，減少操作人員與高溫、高壓等危險環境的直接接觸，降低了操作難度、勞動強度和安全風險。