本發明涉及拉晶過程中的放肩開口檢測領域，尤其涉及一種單晶爐的實時ai自動識別放肩開口檢測方法。

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，使熔體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、在半導體材料的拉晶過程中，放肩的原理主要基于熱場和溫度梯度的控制。在單晶爐內，通過精確調節加熱功率和拉晶速度，可以控制硅熔體的凝固速度，從而實現晶體直徑的逐漸擴大。放肩的主要作用是確保單晶硅生長的均勻性和質量。放肩的開口用來檢測放肩過程控制得當與否，直接關系到單晶硅的質量。然而，現有的放肩開口測量方法大多基于人工觀察或簡單的機械測量，存在測量精度低、操作復雜、易受人為因素影響等問題。因此，能準確檢測放肩的開口是保證單晶硅質量的關鍵，開發一種高效、準確、自動的放肩開口檢測方法及其專用裝置具有重要的實用價值。

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單晶爐的實時ai自動識別放肩開口檢測方法

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：一種單晶爐的實時ai自動識別放肩開口檢測方法，其特征在于：

3、實時獲得晶體生長過程中放肩階段的圖像，得到原始圖像數據集；

4、基于原始圖像數據集，按照放肩開口和放肩未開口設定標簽，得到標簽好的擴充圖像數據集；

5、將擴充圖像數據集劃分為訓練樣本集和測試樣本集；

6、構建ai網絡模型；

7、將訓練樣本集輸入至ai網絡模型，訓練模型，得到預訓練權重；

8、基于預訓練權重，調整ai網絡模型。

9、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：生成擴充圖像數據集的過程：利用標記軟件對獲取的原始圖像進行標記，將圖像中的目標用預測框標記出來，對原始圖像數據集進行增強，用以增加原始圖像數據集中的數據數量，得到擴充圖像數據集，其中，目標包括放肩開口和放肩未開口。

10、作為優選，在訓練模型時，需進行推理，包括大概檢測：先判斷每個標簽的預測置信度，若預測置信度超過設定閾值，則認為對應的標簽內存在目標，得到目標的大致位置。

11、作為優選，完成大概檢測步驟后，進行后處理步驟：根據非極大值抑制算法對存在目標的預測框，進行篩選，剔除對應同一目標的重復預測框，來移除冗余的預測框，保留最有可能的預測框，得出預測結果。

12、作為優選，根據篩選后的預測框的分類概率，取最大概率對應的索引為目標的分類索引號，從而得到目標的類別，用于確定目標為放肩開口或放肩未開口。

13、作為優選，選擇函數，將ai網絡模型中的卷積層與bn層進行融合；

14、訓練完成后，若推理階段的bn層均值和bn層方差以及訓練集的均值和方差都是固定值，即常量，確定函數為

15、式中：μ為bn層均值；σ2為bn層方差；w為卷積核的權重；b為卷積核的偏置；∈為常數，用于防止除數為0；γ為bn層的擴展系數；β為bn層的偏移系數；

16、在模型訓練時，γ和β是可學習參數；

17、ai網絡模型使用的損失函數為ciou損失函數，即

18、式中：

19、ciou為complete?intersection?over?union，表示完全交并比，表示ciou損失；

20、iou為intersection?over?union，表示交并比，表示iou損失；

21、表示中心點距離損失，中心點距離損失為計算預測框和真實框中心點的距離；

22、αv表示長寬比損失，長寬比損失為考慮預測框和真實框的長寬比差異；

23、ρ(b,bgt)是預測框和真實框中心點之間的歐幾里得距離；

24、c是包含預測框和真實框的最小閉包框的對角線長度；

25、α是平衡參數，用于平衡iou損失和長寬比損失；

26、v是預測框和真實框的長寬比差異的度量。

27、作為優選，在訓練模型時，輸入訓練集數據，正向傳播時計算梯度誤差，反向傳播時利用梯度下降法更新ai網絡模型參數，利用殘差學習機制建立輸入圖像與標簽數據之間的映射關系，使用損失函數逐漸優化至最小；輸入測試集數據，對ai網絡模型進行超參數微調。

28、作為優選，在訓練模型時，設置相應的訓練次數，隨著訓練次數的增加，ai網絡模型的損失函數曲線逐漸收斂，當損失函數曲線收斂并穩定時，ai網絡模型訓練至最優，并生成預訓練權重文件。

29、作為優選，在每輪訓練推理結束后，使用測試樣本集檢測ai網絡模型性能，并根據檢測結果調整ai網絡模型的學習率或相應的超參數，得到并保存測試訓練權重文件。

30、作為優選，所述檢測步驟包括：

31、加載預訓練權重文件；

32、當到達放肩過程時，實時采集放肩圖像；

33、再將圖像送入加載完的ai網絡模型中，ai網絡模型對圖片進行預處理；

34、將預處理的結果傳入ai網絡模型的主干網絡，提取圖像特征；

35、進行推理，對相同目標的多個預測框進行篩選，保留最優的預測框；

36、再對預測結果進行后處理，包括標簽平滑、iou閾值調整；

37、輸出結果，再經過多次檢測，確定放肩開口或放肩未開口。

38、本發明具有的有益效果：

39、有利于提高檢測準確度：

40、通過設置于拉晶爐內的工業攝像頭捕獲拉晶過程的實時圖像，并使用ai網絡模型進行圖像識別，實現對放肩開口的精確檢測；

41、結合多次檢測和計算，得到放肩開口，有效減少了單次測量可能帶來的誤差，提高了整體測量精度；

42、有利于增強實時性：

43、能夠實時獲取放肩過程的圖像數據，并對其進行處理和分析，從而實現對放肩開口的實時監控和調整；

44、有助于及時發現并解決放肩過程中可能出現的問題，保證生產過程的穩定性和產品質量；

45、有利于簡化操作流程：

46、實現了自動化測量，降低了對操作人員的依賴程度；

47、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，降低了操作難度和勞動強度；

48、有利于提高生產效率：

49、自動化測量減少了人為干預，提高了生產效率；

50、實時監控和調整有助于優化拉晶過程，減少原料浪費和晶棒報廢率，提高產品合格率和生產效益；

51、有利于實現安全生產：

52、減少操作人員與高溫、高壓等危險環境的直接接觸，降低了安全風險；

53、精確檢測放肩開口有助于防止放肩直徑過大造成的原料浪費或放肩直徑過小導致的晶棒報廢或降級，進一步提升了生產安全性。