CN111222360B - 硅料熔化状态的检测方法、设备及存储介质 - Google Patents
硅料熔化状态的检测方法、设备及存储介质 Download PDFInfo
- Publication number
- CN111222360B CN111222360B CN201811408346.XA CN201811408346A CN111222360B CN 111222360 B CN111222360 B CN 111222360B CN 201811408346 A CN201811408346 A CN 201811408346A CN 111222360 B CN111222360 B CN 111222360B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- feature vector
- silicon material
- gray
- 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
- 239000002210 silicon-based material Substances 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000013598 vector Substances 0.000 claims abstract description 142
- 238000002844 melting Methods 0.000 claims abstract description 73
- 230000008018 melting Effects 0.000 claims abstract description 73
- 239000013078 crystal Substances 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims description 41
- 238000010606 normalization Methods 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 23
- 238000012935 Averaging Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 14
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 7
- 229910052710 silicon Inorganic materials 0.000 claims description 7
- 239000010703 silicon Substances 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000000605 extraction Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 4
- 238000010309 melting process Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
- Silicon Compounds (AREA)
- Image Processing (AREA)
Abstract
本公开提供一种硅料熔化状态的检测方法、设备及存储介质,涉及单晶制造技术领域,能够能够快速准确的检测不同单晶炉中硅料的熔化状态。具体技术方案为:获取当前时刻图像帧;按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量;获取第一特征向量与特征向量列表中每个特征向量的相似程度,特征向量列表包含每个特征向量与硅料熔化状态的对应关系;根据相似程度确定当前时刻图像帧对应的硅料熔化状态。本发明用于检测硅料熔化状态。
Description
技术领域
本公开涉及单晶制造技术领域,尤其涉及一种硅料熔化状态的检测方法、设备及存储介质。
背景技术
直拉法制备单晶硅是在单晶炉中,加热融化坩埚中的硅料,然后将籽晶侵入到溶体中,转动籽晶及坩埚的同时提拉籽晶,以在籽晶下端依次进行引晶、放肩、转肩、等径及收尾等步骤,制备单晶硅棒。硅料融化环节是晶体生成的重要环节之一,该过程将硅料至于坩埚中,利用坩埚外围的加热器加热融化硅料,并依据硅料的融化状态调整加热功率、选择合适的加料时间。在现有技术中,采用基于高阶奇异值分解的方法进行硅料熔化进程的检测,但是该方法不仅计算复杂,而且在实际的硅料熔化过程中,熔液的波动及熔液对光线的反射使得不同炉体内的亮度不同,导致图像信息复杂,影响检测结果的准确性。
发明内容
本公开实施例提供一种硅料熔化状态的检测方法、设备及存储介质,能够快速准确的检测不同单晶炉中硅料的熔化状态。所述技术方案如下:
根据本公开实施例的第一方面,提供一种硅料熔化状态的检测方法,该方法包括:
获取当前时刻图像帧;
按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量;
获取第一特征向量与特征向量列表中每个特征向量的相似程度,特征向量列表包含每个特征向量与硅料熔化状态的对应关系;
根据相似程度确定当前时刻图像帧对应的硅料熔化状态。
该方法采用两个特征向量相似的方法确定当前时刻图像帧对应的硅料熔化状态,计算简单,而且能够适应不同的单晶炉,实时判断硅料的熔化状态,及时提醒操作人员进行加料或功率控制等步骤,提高检测结果的准确性。
在一个实施例中,获取当前时刻图像帧之前,该方法还包括:
获取至少P个单晶炉中Q个不同硅料熔化状态的图像帧,P≥1,Q≥1;
按照预设算法对每个图像帧进行图像处理,得到P*Q个图像帧中的每个图像帧的特征向量;
对P*Q个图像帧的所有特征向量进行分类,得到特征向量列表。
在一个实施例中,按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量包括:
对当前时刻图像帧进行灰度化处理,得到第一图像;
对第一图像进行归一化处理,得到第二图像;
对第二图像进行特征提取,得到当前时刻图像帧的第一特征向量。
在一个实施例中,对第一图像进行归一化处理得到第二图像之前,该方法还包括:
对第一图像进行滤波处理,得到滤波图像;
对第一图像进行归一化处理,得到第二图像包括:对滤波图像进行归一化处理,得到第二图像。
在一个实施例中,对当前时刻图像帧进行灰度化处理,得到第一图像包括:
从当前时刻图像帧中确定图像测量区域;
根据图像测量区域中每个像素点的像素值,利用第一公式对图像测量区域中每个像素点的像素值进行灰度化处理,得到第一图像,第一公式包括:
f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3
其中,(i,j)表示图像测量区域中一像素点的坐标,R(i,j)表示红色通道像素点(i,j)的像素值,G(i,j)表示绿色通道像素点(i,j)的像素值,B(i,j)表示蓝色通道像素点(i,j)的像素值,f(i,j)表示经过灰度化处理后像素点(i,j)的灰度值。
在一个实施例中,对第一图像进行滤波处理,得到滤波图像包括:
设置统计窗口大小;
根据统计窗口的大小,利用第二公式对第一图像中每个像素点的像素值进行邻域平均,得到滤波图像,第二公式包括:
其中,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,m×n表示统计窗口的大小,(s,t)表示统计窗口内像素点的坐标,f(s,t)表示统计窗口内经过灰度化处理的像素点(s,t)的灰度值。
在一个实施例中,对滤波图像进行归一化处理,得到第二图像包括:
获取第一图像中的像素灰度最大值和第一图像中的像素灰度最小值以及滤波图像中的像素灰度最大值和滤波图像中的像素灰度最小值;
利用第三公式对滤波图像中的每个像素点的像素值进行归一化处理,得到第二图像,第三公式包括:
k'(i,j)=k(i,j)-[kmax-kmin]*(fmax-fmin)/255
其中,k'(i,j)表示经过归一化处理后像素点(i,j)的灰度值,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,kmax表示滤波图像中的像素灰度最大值,kmin表示滤波图像中的像素灰度最小值,fmax表示第一图像中的像素灰度最大值,fmin表示第一图像中的像素灰度最小值。
在一个实施例中,相似程度为第一特征向量与特征向量列表中每个特征向量的相似系数;
根据相似程度确定当前时刻图像帧对应的硅料熔化状态包括:将第二特征向量对应的硅料熔化状态确定为当前时刻图像帧对应的硅料熔化状态,第二特征向量与第一特征向量的相似程度最大。
根据本公开实施例的第二方面,提供一种硅料熔化状态的检测装置,包括:
第一获取模块,用于获取当前时刻图像帧;
图像处理模块,用于按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量;
第二获取模块,用于获取第一特征向量与特征向量列表中每个特征向量的相似程度,特征向量列表包含每个特征向量与硅料熔化状态的对应关系;
确定模块,用于根据相似程度确定当前时刻图像帧对应的硅料熔化状态。在一个实施例中,该硅料熔化状态的检测装置还包括:分类模块;
第一获取模块,用于获取至少P个单晶炉中Q个不同硅料熔化状态的图像帧,P≥1,Q≥1;
图像处理模块,用于按照预设算法对P*Q个图像帧中的每个图像帧进行图像处理,得到每个图像帧的特征向量;
分类模块,用于对P*Q个图像帧的所有特征向量进行分类,得到特征向量列表。
在一个实施例中,图像处理模块包括:灰度处理子模块、归一化子模块和特征提取子模块;
灰度处理子模块,用于对当前时刻图像帧进行灰度化处理,得到第一图像;
归一化子模块,用于对第一图像进行归一化处理,得到第二图像;
特征提取子模块,用于对第二图像进行特征提取,得到当前时刻图像帧的第一特征向量。
在一个实施例中,图像处理模块还包括:滤波子模块;
滤波子模块,用于对所述第一图像进行滤波处理,得到滤波图像;
归一化子模块,用于对所述滤波图像进行归一化处理,得到第二图像。
在一个实施例中,灰度处理子模块包括:
确定单元,用于从当前时刻图像帧中确定图像测量区域;
灰度处理单元,用于根据图像测量区域中每个像素点的像素值,利用第一公式对图像测量区域中每个像素点的像素值进行灰度化处理,得到第一图像,第一公式包括:
f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3
其中,(i,j)表示图像测量区域中一像素点的坐标,R(i,j)表示红色通道像素点(i,j)的像素值,G(i,j)表示绿色通道像素点(i,j)的像素值,B(i,j)表示蓝色通道像素点(i,j)的像素值,f(i,j)表示经过灰度化处理后像素点(i,j)的灰度值。
在一个实施例中,滤波子模块包括:设置单元和邻域平均单元;
设置单元,用于设置统计窗口大小;
邻域平均单元,用于根据统计窗口的大小,利用第二公式对第一图像中每个像素点的像素值进行邻域平均,得到滤波图像,第二公式包括:
其中,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,m×n表示统计窗口的大小,(s,t)表示统计窗口内像素点的坐标,f(s,t)表示统计窗口内经过灰度化处理的像素点(s,t)的灰度值。
在一个实施例中,归一化子模块包括:获取单元和归一化单元;
获取单元,用于获取第一图像中的像素灰度最大值和第一图像中的像素灰度最小值以及滤波图像中的像素灰度最大值和滤波图像中的像素灰度最小值
归一化单元,用于利用第三公式对滤波图像中的每个像素点的像素值进行归一化处理,得到第二图像,第三公式包括:
k'(i,j)=k(i,j)-[kmax-kmin]*(fmax-fmin)/255
其中,k'(i,j)表示经过归一化处理后像素点(i,j)的灰度值,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,kmax表示滤波图像中的像素灰度最大值,kmin表示滤波图像中的像素灰度最小值,fmax表示第一图像中的像素灰度最大值,fmin表示第一图像中的像素灰度最小值。
在一个实施例中,相似程度为第一特征向量与特征向量列表中每个特征向量的相似系数;
确定模块,用于将第二特征向量对应的硅料熔化状态确定为当前时刻图像帧对应的硅料熔化状态,第二特征向量与第一特征向量的相似程度最大。
根据本公开实施例的第三方面,提供一种硅料熔化状态的检测设备,所述硅料熔化状态的检测设备包括处理器和存储器,所述存储器中存储有至少一条计算机指令,所述指令由所述处理器加载并执行以实现第一方面以及第一方面中任一实施例所描述的硅料熔化状态的检测方法中所执行的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,所述存储介质中存储有至少一条计算机指令,所述指令由处理器加载并执行以实现第一方面及第一方面中任一实施例所描述的硅料熔化状态的检测方法中所执行的步骤。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本公开实施例提供的一种硅料熔化状态的检测方法的流程图;
图2是本公开实施例提供的一种对像素点灰度进行滤波处理的示意图;
图3是本公开实施例提供的一种在硅料熔化时采集的图像帧的示意图;
图4是本公开实施例提供的一种硅料熔化状态的检测方法的示意图;
图5是本公开实施例提供的一种硅料熔化状态的检测方法的示意图;
图6是本公开实施例提供的一种硅料熔化状态的检测装置的结构图;
图7是本公开实施例提供的一种硅料熔化状态的检测装置的结构图;
图8是本公开实施例提供的一种硅料熔化状态的检测装置的结构图;
图9是本公开实施例提供的一种硅料熔化状态的检测装置的结构图;
图10是本公开实施例提供的一种硅料熔化状态的检测装置的结构图;
图11是本公开实施例提供的一种硅料熔化状态的检测设备的结构图;
图12是本公开实施例提供的一种硅料熔化状态的检测设备的结构图;
图13是本公开实施例提供的一种硅料熔化状态的检测设备的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例提供一种硅料熔化状态的检测方法,如图1所示,该硅料熔化状态的检测方法包括以下步骤:
101、获取当前时刻图像帧。
在本公开实施例中,获取当前时刻图像帧包括:接收CCD相机发送的采集的当前时刻的图像帧。在硅料熔化过程中,CCD相机可以采集到硅料处于不同熔化状态的图像帧,本公开实施例以当前时刻采集的图像帧为例,对当前时刻采集的图像帧对应的硅料熔化状态的检测方法进行说明。
102、按照预设算法对当前图像帧进行图像处理,得到当前时刻图像帧的第一特征向量。
在本公开实施例中,按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量包括:
S1、对当前时刻图像帧进行灰度化处理,得到第一图像;
S2、对第一图像进行归一化处理,得到第二图像;
S3、对第二图像进行特征提取,得到当前时刻图像帧的第一特征向量。
为了更好对图像进行处理,在步骤S2之前还包括步骤S4:对第一图像进行滤波处理,得到滤波图像。那么,步骤S2对第一图像进行归一化处理,得到第二图像包括:对滤波图像进行归一化处理,得到第二图像。
下面对步骤S1~步骤S4进行具体描述。
对于步骤S1,对当前时刻图像帧进行灰度化处理,得到第一图像包括:
从当前时刻图像帧中确定图像测量区域;
根据图像测量区域中每个像素点的像素值,利用第一公式对图像测量区域中每个像素点的像素值进行灰度化处理,得到第一图像,第一公式包括:
f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3
其中,(i,j)表示图像测量区域中一像素点的坐标,R(i,j)表示红色通道像素点(i,j)的像素值,G(i,j)表示绿色通道像素点(i,j)的像素值,B(i,j)表示蓝色通道像素点(i,j)的像素值,f(i,j)表示经过灰度化处理后像素点(i,j)的灰度值。
由于CCD相机设置在单晶炉的侧上方,因此,CCD相机在采集得到的图像帧中可能有被单晶炉的热屏或其他一些构件遮挡的区域,因此,需要从当前时刻图像帧中确定图像测量区域,鉴于硅料在熔化过程中,靠近单晶炉热屏边缘的硅料最先熔解,因此,可以将图像测量区域设置在热屏边缘附近,这样,能够准确判断硅料的熔化状态。通过对图像测量区域中每个像素点的像素值进行平均,求得测量区域内每个像素点的灰度值,对图像测量区域进行灰度化处理的目的在于将彩色图像转化成灰度图像,便于后续的图像处理。
对于步骤S4,对第一图像进行滤波处理,得到滤波图像包括:
设置统计窗口大小;
根据统计窗口的大小,利用第二公式对第一图像中每个像素点的像素值进行邻域平均,得到滤波图像,第二公式包括:
其中,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,m×n表示统计窗口的大小,(s,t)表示统计窗口内像素点的坐标,f(s,t)表示统计窗口内经过灰度化处理的像素点(s,t)的灰度值。
对于统计窗口的大小,可以根据选取的图像测量区域的大小确定,也可以根据经验选取,一般统计窗口的大小为3×3、5×5、7×7等。在统计窗口的大小确定之后,将第一图像中每个像素点的灰度值设置为该像素点统计窗口内的所有像素点灰度值的平均值,从而对灰度突变的像素点进行平滑滤波。如图2所示,图像测量区域的大小为9×9,图像测量区域中的每个像素点用“×”表示,统计窗口的大小为3×3,虚线框所示部分为统计窗口的大小,以对黑色加粗像素点×进行邻域平均为例,计算统计窗口内所有像素点的灰度值的平均值,将该平均值确定为黑色加粗像素点×的像素灰度值。
对于步骤S2,对滤波图像进行归一化处理,得到第二图像包括:
获取第一图像中的像素灰度最大值和第一图像中的像素灰度最小值以及滤波图像中的像素灰度最大值和滤波图像中的像素灰度最小值;
利用第三公式对滤波图像中的每个像素点的像素值进行归一化处理,得到第二图像,第三公式包括:
k'(i,j)=k(i,j)-[kmax-kmin]*(fmax-fmin)/255
其中,k'(i,j)表示经过归一化处理后像素点(i,j)的灰度值,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,kmax表示滤波图像中的像素灰度最大值,kmin表示滤波图像中的像素灰度最小值,fmax表示第一图像中的像素灰度最大值,fmin表示第一图像中的像素灰度最小值。
对于获取第一图像中的像素灰度值最大值fmax和像素灰度最小值fmin,可以获取第一图像的灰度直方图,根据灰度直方图得到第一图像中的像素灰度值最大值fmax和像素灰度最小值fmin;也可以是对第一图像中所有像素点的灰度值按照从大到小或者从小到大的顺序进行排序,从而得到第一图像中的像素灰度值最大值fmax和像素灰度最小值fmin。对于获取滤波图像中的像素灰度最大值kmax和像素灰度最小值kmin,可以参考对第一图像中的像素灰度值最大值fmax和像素灰度最小值fmin的获取方法,此处不再赘述。
对于步骤S3,对第二图像进行特征提取,得到当前时刻图像帧的第一特征向量包括:对第二图像中的灰度值进行特征提取,得到当前时刻图像帧的第一特征向量。
103、获取第一特征向量与特征向量列表中每个特征向量的相似程度。
在本公开实施例中,特征向量列表是预先设置的。具体的,在步骤101之前,该方法还包括:获取至少P个单晶炉中Q个不同硅料熔化状态的图像帧,P≥1,Q≥1;按照预设算法对P*Q个图像帧中的每个图像帧进行图像处理,得到每个图像帧的特征向量;对P*Q个图像帧的特征向量进行分类,得到特征向量列表。
此处所描述的预设算法与步骤102所描述的预设算法相同,参考步骤102中对当前时刻图像帧的处理方式,对P*Q个图像帧中的每个图像帧进行处理,得到每个图像帧对应的特征向量;然后,对P*Q个图像帧的所有特征向量按照预设规则进行分类,不同类别对应不同的硅料熔化状态,这样,得到包含每个特征向量与硅料熔化状态的对应关系的特征向量列表。
104、根据相似程度确定当前时刻图像帧对应的硅料熔化状态。
在本公开的一个实施例中,当相似程度为第一特征向量与特征向量列表中每个特征向量的相似系数时,步骤104具体包括:将第二特征向量对应的硅料熔化状态确定为当前时刻图像帧对应的硅料熔化状态。其中,第二特征向量与第一特征向量的相似程度最大,这就意味着第一特征向量最接近于第二特征向量,而特征向量列表中包含每个特征向量与硅料熔化状态的对应关系,因此,将第二特征向量对应的硅料熔化状态确定为当前时刻图像帧对应的硅料熔化状态。
在实际应用中,相似系数包括相似性参数和相异性参数,两种参数都可以衡量相似性,其区别在于,相似性参数的数值大小直接反映两个特征向量之间的相似程度,其数值越大表示越相似,而相异性参数的数值大小则反映两个特征向量之间的差异程度,其数值越小表示越相似。对于第一特征向量与特征向量列表中每个特征向量的相似系数可以是两个特征向量之间的距离系数,也可以是两个特征向量之间的夹角余弦,具体根据实际情况进行选择,本公开实施例对此不加任何限定。
本公开实施例提供的硅料熔化状态的检测方法,获取当前时刻图像帧;按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量;获取第一特征向量与特征向量列表中每个特征向量的相似程度,特征向量列表包含每个特征向量与硅料熔化状态的对应关系;根据所述相似程度确定所述当前时刻图像帧对应的硅料熔化状态。该方法采用两个特征向量相似的方法确定当前时刻图像帧的硅料熔化状态,计算简单,而且能够适应不同的单晶炉,实时判断硅料的熔化状态,及时提醒操作人员进行加料或功率控制等步骤,提高检测结果的准确性。
基于上述图1对应的实施例提供的硅料熔化状态的检测方法,本公开另一实施例提供一种硅料熔化状态的检测方法,本实施例提供的硅料熔化状态的检测方法包括以下步骤:离线学习程序存储、在线图像采集和熔料完成度判断,此处所描述的熔料即硅料,熔料完成度判断即判断当前单晶炉中的硅料熔化状态。
第一步,离线学习程序存储。如图3所示,具体步骤主要包括以下内容:
首先,收集不同熔料状态的图像。
本实施例,采用CCD相机采集不同炉体处于不同熔化状态的图像,具体采集的图像如图4所示,炉体内有部分硅料41未完全熔化。由于炉体内热屏等其他构件的遮挡,一部分硅料熔化图像未能显示,图4中侧面弧形区域所示为拍摄的热屏边缘图像42,上部弧形区域和下部弧形区域为炉体内其它结构图像。本实施例,CCD相机采集完图像后通过电路输入至工控机中,由工控机的图像处理程序对单晶生长图像进行处理。
其次,设置图像测量区域。
如图4所示,本实施例,图像测量区域43设置在靠近热屏边缘图像42附近,利用图像处理程序包含的特征识别模块自动识别测量区域。在熔料过程中,靠近热屏边缘的硅料最先熔解,因此本实施例将测量区域选择热屏边缘图像20附近,能够及时判断硅料熔化状态。
再次,进行图像处理。
图像处理包括对收集的不同炉台不同熔料状态的图像中位于测量区域内的图像进行灰度化处理、平滑过滤处理和归一化处理。本实施例,对收集到的不同炉台不同熔料状态的所有图像采用以下方法进行处理:
a、灰度化处理:将收集到的不同炉台不同熔料状态的图像采用三分量亮度求平均方法对测量区域内的图像进行灰度化处理,计算原理如下所示:
f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3
其中,(i,j)表示图像测量区域中某一像素点的坐标,R(i,j)表示红色通道像素点(i,j)的像素值,G(i,j)表示绿色通道像素点(i,j)的像素值,B(i,j)表示蓝色通道像素点(i,j)的像素值,f(i,j)表示经过灰度化处理后像素点(i,j)的灰度值。测量区域内其他像素点采用相同的处理方式。
b、平滑过滤处理:将收集到的不同炉台不同熔料状态的所有图像中位于测量区域内的经过灰度化处理的图像采用邻域平滑滤波方法进行平滑过滤处理,本实施例采用以下原理进行处理:
设定图像处理程序中滤波器窗口的大小为m×n,计算窗口区域的像素均值,然后将均值赋值给窗口中心点处的像素,计算原理如下所示:
其中,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,m×n表示统计窗口的大小,(s,t)表示统计窗口内像素点的坐标,f(s,t)表示统计窗口内经过灰度化处理的像素点(s,t)的灰度值。
c、归一化处理:获取收集的所有图像的测量区域内进行灰度化和平滑过滤处理后的图像的灰度直方图,并进行归一化处理。
在本实施例中,对每一个经过灰度化和平滑过滤处理后的图像进行归一化处理。以对其中的一个图像为例进行说明,归一化计算原理如下所示:
k'(i,j)=k(i,j)-[kmax-kmin]*(fmax-fmin)/255
其中,k'(i,j)表示经过归一化处理后像素点(i,j)的灰度值,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,kmax表示经过平滑过滤后图像中的像素灰度最大值,kmin表示经过平滑过滤后图像中的像素灰度最小值,fmax表示经过灰度化处理后图像中的像素灰度最大值,fmin表示经过灰度化处理后图像中的像素灰度最小值。
再次、提取特征向量并对特征向量分类,并存储在离线学习程序中。
在归一化处理后,对收集的所有图像位于测量区域内图像的灰度值进行特征向量提取。具体的,将收集的不同炉台不同熔料状态的所有图像进行以上处理后,分别提取特性向量,并将提取的特征向量分为多个类别,并存储在离线学习程序中,不同类别对应不同熔料状态。在本实施例中,离线学习程序为离线分类器,当然也可以为其他存储程序。
在本实施例中,离线分类器中包括有2个参数:一个为样本数组X,其行数等于收集的样本数,其列数等于特征向量的长度,每一行即一个特征向量。X的实际结构,相当于把每一个特征向量一行一行地排下去,形成一个数组。另一个参数是类别向量y,其元素只能取特定的类型。在本实施例中,将所有的样本分为5类,这5类可以用1、2,3、4、5表示,表示液体所占比20%,40%,60%,80%和100%,对应不同的熔料进度。当然,也可以将所有的样本分为大于5类或小于5类,对应的特征向量分为不同的类别。
第二步,在线图像采集处理。如图5所示,具体步骤主要包括以下内容:
(1)采用CCD相机在线实时采集炉体内硅料熔化状态的图像。
(2)设置测量区域,在线实时图像的测量区域与离线学习程序存储步骤中设置的图像测量区域相同。
(3)对测量区域内的实时图像进行灰度化和平滑过滤处理。采用三分量亮度求平均方法对测量区域内的图像进行灰度化处理;采用邻域平滑滤波方法对测量区域内的图像进行平滑过滤处理,处理方法与离线学习程序存储步骤中相同。
(4)对测量区域内的实时图像处理还包括获取测量区域内实时图像的灰度直方图,并进行归一化处理,处理方法与离线学习程序存储步骤中相同。
(5)将归一化处理后的在线实时图像测量区域内图像的灰度值进行特征向量提取。
第三步,熔料完成度判断。在本实施例中,利用向量夹角法进行特征向量对比,判断熔料完成度,主要内容如下所述:
首先,在当前工控机的视觉系统中加载离线分类器。
其次,将提取的当前帧的特征向量与离线分类器中的多个类别特征向量分别进行向量夹角法计算,值靠近1代表当前特征向量与该类别特征向量中的某个特征向量相似程度最高,该类别特征向量对应的熔料完成度即为当前的硅料熔料完成度。
向量夹角法计算原理为:将比较两个向量之间的距离,变为比较两个向量之间的夹角的余弦。因向量夹角的余弦值在0和1之间,比向量之间的距离归一化程度更好,因而容易确定分类阈值。
本公开实施例提供的硅料熔化状态的检测方法,获取当前时刻图像帧;按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量;获取第一特征向量与特征向量列表中每个特征向量的相似程度,特征向量列表包含每个特征向量与硅料熔化状态的对应关系;根据所述相似程度确定所述当前时刻图像帧对应的硅料熔化状态。该方法采用两个特征向量相似的方法确定当前时刻图像帧的硅料熔化状态,计算简单,而且能够适应不同的单晶炉,实时判断硅料的熔化状态,及时提醒操作人员进行加料或功率控制等步骤,提高检测结果的准确性。
基于上述图1、图3、图4对应的实施例中所描述的硅料熔化状态的检测方法,下述为本公开装置实施例,可以用于执行本公开方法实施例。
本公开实施例提供一种硅料熔化状态的检测装置,如图6所示,该硅料熔化状态的检测装置60包括:第一获取模块601、图像处理模块602、第二获取模块603和确定模块604;
第一获取模块601,用于获取当前时刻图像帧;
图像处理模块602,用于按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量;
第二获取模块603,用于获取第一特征向量与特征向量列表中每个特征向量的相似程度;
确定模块604,用于根据相似程度确定当前时刻图像帧对应的硅料熔化状态。
在一个实施例中,如图7所示,硅料熔化状态的检测装置60还包括:分类模块605;
第一获取模块601,用于在获取当前时刻图像帧之前,获取至少P个单晶炉中Q个不同硅料熔化状态的图像帧,P≥1,Q≥1;
图像处理模块602,用于按照预设算法对P*Q个图像帧中的每个图像帧进行图像处理,得到每个图像帧的特征向量;
分类模块605,用于对P*Q个图像帧的所有特征向量进行分类,得到特征向量列表。
在一个实施例中,如图8所示,图像处理模块602包括:灰度处理子模块6021、归一化子模块6022和特征提取子模块6023;
灰度处理子模块6021,用于对当前时刻图像帧进行灰度化处理,得到第一图像;
归一化子模块6022,用于对第一图像进行归一化处理,得到第二图像;
特征提取子模块6023,用于对第二图像进行特征提取,得到当前时刻图像帧的第一特征向量。
在一个实施例中,如图9所示,图像处理模块602还包括:滤波子模块6024;
滤波子模块6024,用于对第一图像进行滤波处理,得到滤波图像;
归一化子模块6022,用于对滤波图像进行归一化处理,得到第二图像。
在一个实施例中,如图10所示,灰度处理子模块6021包括:确定单元71和灰度处理单元72;
确定单元71,用于从当前时刻图像帧中确定图像测量区域;
灰度处理单元72,用于根据图像测量区域中每个像素点的像素值,利用第一公式对图像测量区域中每个像素点的像素值进行灰度化处理,得到第一图像,第一公式包括:
f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3
其中,(i,j)表示图像测量区域中一像素点的坐标,R(i,j)表示红色通道像素点(i,j)的像素值,G(i,j)表示绿色通道像素点(i,j)的像素值,B(i,j)表示蓝色通道像素点(i,j)的像素值,f(i,j)表示经过灰度化处理后像素点(i,j)的灰度值。
在一个实施例中,如图11所示,滤波子模块6024包括:设置单元81和邻域平均单元82;
设置单元81,用于设置统计窗口大小;
邻域平均单元82,用于根据统计窗口的大小,利用第二公式对第一图像中每个像素点的像素值进行邻域平均,得到滤波图像,第二公式包括:
其中,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,m×n表示统计窗口的大小,(s,t)表示统计窗口内像素点的坐标,f(s,t)表示统计窗口内经过灰度化处理的像素点(s,t)的灰度值。
在一个实施例中,如图12所示,归一化子模块6022包括:获取单元91和归一化单元92;
获取单元91,用于获取第一图像中的像素灰度最大值和第一图像中的像素灰度最小值以及滤波图像中的像素灰度最大值和滤波图像中的像素灰度最小值
归一化单元92,用于利用第三公式对滤波图像中的每个像素点的像素值进行归一化处理,得到第二图像,第三公式包括:
k'(i,j)=k(i,j)-[kmax-kmin]*(fmax-fmin)/255
其中,k'(i,j)表示经过归一化处理后像素点(i,j)的灰度值,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,kmax表示滤波图像中的像素灰度最大值,kmin表示滤波图像中的像素灰度最小值,fmax表示第一图像中的像素灰度最大值,fmin表示第一图像中的像素灰度最小值。
需要说明的是,上述实施例提供的硅料熔化状态的检测装置在确定当前时刻图像对应的硅料熔化状态时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将主节点的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的硅料熔化状态的检测装置与硅料熔化状态的检测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述
本公开实施例提供的硅料熔化状态的检测装置,获取当前时刻图像帧;按照预设算法对当前时刻图像帧进行图像处理,得到当前时刻图像帧的第一特征向量;获取第一特征向量与特征向量列表中每个特征向量的相似程度,特征向量列表包含每个特征向量与硅料熔化状态的对应关系;根据所述相似程度确定所述当前时刻图像帧对应的硅料熔化状态。该方法采用两个特征向量相似的方法确定当前时刻图像帧的硅料熔化状态,计算简单,而且能够适应不同的单晶炉,实时判断硅料的熔化状态,及时提醒操作人员进行加料或功率控制等步骤,提高检测结果的准确性。
参考图13所示,本公开实施例还提供了一种硅料熔化状态的检测设备,该硅料熔化状态的检测设备包括接收器1201、发射器1202、存储器1203和处理器1204,该发射器1202和存储器1203分别与处理器1204连接,存储器1203中存储有至少一条计算机指令,处理器1204用于加载并执行至少一条计算机指令,以实现上述图1、图3和图4对应的实施例中所描述的硅料熔化状态的检测方法。
基于上述图1、图3和图4对应的实施例中所描述的硅料熔化状态的检测方法,本公开实施例还提供一种计算机可读存储介质,例如,非临时性计算机可读存储介质可以是只读存储器(英文:Read Only Memory,ROM)、随机存取存储器(英文:Random Access Memory,RAM)、CD-ROM、磁带、软盘和光数据存储装置等。该存储介质上存储有至少一条计算机指令,用于执行上述图1、图3和图4对应的实施例中所描述的硅料熔化状态的检测方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (8)
1.一种硅料熔化状态的检测方法,其特征在于,所述方法包括:
获取当前时刻图像帧;
按照预设算法对所述当前时刻图像帧进行图像处理,得到所述当前时刻图像帧的第一特征向量;
获取所述第一特征向量与特征向量列表中每个特征向量的相似程度,所述特征向量列表包含每个特征向量与硅料熔化状态的对应关系;
根据所述相似程度确定所述当前时刻图像帧对应的硅料熔化状态;
所述方法能够适应不同的单晶炉,实时判断硅料的熔化状态,及时提醒操作人员进行加料或功率控制;
所述获取当前时刻图像帧之前,所述方法还包括:
获取至少P个单晶炉中Q个不同硅料熔化状态的图像帧,P≥1,Q≥1;
按照所述预设算法对每个所述图像帧进行图像处理,得到所述P*Q个图像帧中的每个图像帧的特征向量;
对所述P*Q个图像帧的所有特征向量进行分类,得到所述特征向量列表;
所述相似程度为所述第一特征向量与所述特征向量列表中每个特征向量的相似系数;
所述根据所述相似程度确定所述当前时刻图像帧对应的硅料熔化状态包括:将第二特征向量对应的硅料熔化状态确定为所述当前时刻图像帧对应的硅料熔化状态,所述第二特征向量与所述第一特征向量的相似程度最大。
2.根据权利要求1所述的方法,其特征在于,所述按照预设算法对所述当前时刻图像帧进行图像处理,得到所述当前时刻图像帧的第一特征向量包括:
对所述当前时刻图像帧进行灰度化处理,得到第一图像;
对所述第一图像进行归一化处理,得到第二图像;
对所述第二图像进行特征提取,得到所述当前时刻图像帧的第一特征向量。
3.根据权利要求2所述的方法,其特征在于,所述对所述第一图像进行归一化处理得到第二图像之前,所述方法还包括:
对所述第一图像进行滤波处理,得到滤波图像;
所述对所述第一图像进行归一化处理,得到第二图像包括:对所述滤波图像进行归一化处理,得到所述第二图像。
4.根据权利要求3所述的方法,其特征在于,所述对所述当前时刻图像帧进行灰度化处理,得到第一图像包括:
从所述当前时刻图像帧中确定图像测量区域;
根据所述图像测量区域中每个像素点的像素值,利用第一公式对所述图像测量区域中每个像素点的像素值进行灰度化处理,得到第一图像,所述第一公式包括:
f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3
其中,(i,j)表示所述图像测量区域中一像素点的坐标,R(i,j)表示红色通道像素点(i,j)的像素值,G(i,j)表示绿色通道像素点(i,j)的像素值,B(i,j)表示蓝色通道像素点(i,j)的像素值,f(i,j)表示经过灰度化处理后像素点(i,j)的灰度值。
5.根据权利要求4所述的方法,其特征在于,所述对所述第一图像进行滤波处理,得到滤波图像包括:
设置统计窗口大小;
根据所述统计窗口的大小,利用第二公式对所述第一图像中每个像素点的像素值进行邻域平均,得到滤波图像,所述第二公式包括:
其中,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,m×n表示所述统计窗口的大小,(s,t)表示所述统计窗口内像素点的坐标,f(s,t)表示所述统计窗口内经过灰度化处理的像素点(s,t)的灰度值。
6.根据权利要求5所述的方法,其特征在于,所述对所述滤波图像进行归一化处理,得到第二图像包括:
获取所述第一图像中的像素灰度最大值和所述第一图像中的像素灰度最小值以及所述滤波图像中的像素灰度最大值和所述滤波图像中的像素灰度最小值;
利用第三公式对所述滤波图像中的每个像素点的像素值进行归一化处理,得到第二图像,所述第三公式包括:
k'(i,j)=k(i,j)-[kmax-kmin]*(fmax-fmin)/255
其中,k'(i,j)表示经过归一化处理后像素点(i,j)的灰度值,k(i,j)表示经过邻域平均后像素点(i,j)的灰度值,kmax表示滤波图像中的像素灰度最大值,kmin表示滤波图像中的像素灰度最小值,fmax表示第一图像中的像素灰度最大值,fmin表示第一图像中的像素灰度最小值。
7.一种硅料熔化状态的检测设备,其特征在于,所述硅料熔化状态的检测设备包括处理器和存储器,所述存储器中存储有至少一条计算机指令,所述指令由所述处理器加载并执行以实现权利要求1至权利要求6任一项所述的硅料熔化状态的检测方法中所执行的步骤。
8.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条计算机指令,所述指令由处理器加载并执行以实现权利要求1至权利要求6任一项所述的硅料熔化状态的检测方法中所执行的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811408346.XA CN111222360B (zh) | 2018-11-23 | 2018-11-23 | 硅料熔化状态的检测方法、设备及存储介质 |
PCT/CN2019/119464 WO2020103826A1 (zh) | 2018-11-23 | 2019-11-19 | 一种熔料状态检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811408346.XA CN111222360B (zh) | 2018-11-23 | 2018-11-23 | 硅料熔化状态的检测方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222360A CN111222360A (zh) | 2020-06-02 |
CN111222360B true CN111222360B (zh) | 2023-10-31 |
Family
ID=70830360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811408346.XA Active CN111222360B (zh) | 2018-11-23 | 2018-11-23 | 硅料熔化状态的检测方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222360B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034389B (zh) * | 2021-03-17 | 2023-07-25 | 武汉联影智融医疗科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113112493B (zh) * | 2021-04-29 | 2024-02-02 | 北京图知天下科技有限责任公司 | 引晶亮度的计算方法、系统、终端设备及存储介质 |
CN117845320A (zh) * | 2022-09-30 | 2024-04-09 | 隆基绿能科技股份有限公司 | 加料时机检测方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392213A (zh) * | 2014-11-19 | 2015-03-04 | 郑可尧 | 一种适用于熔炼过程中的图像信息状态识别系统 |
CN104462381A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标图像检索方法 |
CN104598928A (zh) * | 2015-01-30 | 2015-05-06 | 南京邮电大学 | 一种基于类字典稀疏识别的车辆分类方法 |
CN105956618A (zh) * | 2016-04-27 | 2016-09-21 | 云南昆钢集团电子信息工程有限公司 | 基于图像动静态特征的转炉炼钢吹炼状态识别系统及方法 |
CN106600625A (zh) * | 2016-12-13 | 2017-04-26 | 广东沅朋网络科技有限公司 | 检测小型生物的图像处理方法及装置 |
WO2017121018A1 (zh) * | 2016-01-11 | 2017-07-20 | 中兴通讯股份有限公司 | 二维码图像处理的方法和装置、终端、存储介质 |
CN107578008A (zh) * | 2017-09-02 | 2018-01-12 | 吉林大学 | 基于分块特征矩阵算法和svm的疲劳状态检测方法 |
CN108198171A (zh) * | 2017-12-27 | 2018-06-22 | 大连理工大学 | 一种基于服务器表面热状态的运行状态诊断的方法 |
CN108304882A (zh) * | 2018-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种图像分类方法、装置及服务器、用户终端、存储介质 |
-
2018
- 2018-11-23 CN CN201811408346.XA patent/CN111222360B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392213A (zh) * | 2014-11-19 | 2015-03-04 | 郑可尧 | 一种适用于熔炼过程中的图像信息状态识别系统 |
CN104462381A (zh) * | 2014-12-11 | 2015-03-25 | 北京中细软移动互联科技有限公司 | 商标图像检索方法 |
CN104598928A (zh) * | 2015-01-30 | 2015-05-06 | 南京邮电大学 | 一种基于类字典稀疏识别的车辆分类方法 |
WO2017121018A1 (zh) * | 2016-01-11 | 2017-07-20 | 中兴通讯股份有限公司 | 二维码图像处理的方法和装置、终端、存储介质 |
CN105956618A (zh) * | 2016-04-27 | 2016-09-21 | 云南昆钢集团电子信息工程有限公司 | 基于图像动静态特征的转炉炼钢吹炼状态识别系统及方法 |
CN106600625A (zh) * | 2016-12-13 | 2017-04-26 | 广东沅朋网络科技有限公司 | 检测小型生物的图像处理方法及装置 |
CN107578008A (zh) * | 2017-09-02 | 2018-01-12 | 吉林大学 | 基于分块特征矩阵算法和svm的疲劳状态检测方法 |
CN108198171A (zh) * | 2017-12-27 | 2018-06-22 | 大连理工大学 | 一种基于服务器表面热状态的运行状态诊断的方法 |
CN108304882A (zh) * | 2018-02-07 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 一种图像分类方法、装置及服务器、用户终端、存储介质 |
Non-Patent Citations (1)
Title |
---|
杜全营,王伟,王建军,陈善本.铝合金钨极氩弧焊熔池图像处理.上海交通大学学报.2005,(07),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111222360A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN110389127B (zh) | 一种金属陶瓷零件识别及表面缺陷检测系统和方法 | |
CN111222360B (zh) | 硅料熔化状态的检测方法、设备及存储介质 | |
CN109389135B (zh) | 一种图像筛选方法及装置 | |
CN113537182B (zh) | 染色体中期分裂相显微图像的自动识别方法与系统 | |
CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测系统 | |
CN113706461A (zh) | 一种基于图像识别的绝缘毯微缺陷识别系统 | |
CN108805144A (zh) | 基于形态学矫正的弹孔识别方法及系统、报靶设备 | |
CN111968078A (zh) | 一种变电设备的外观检测方法、装置、设备和存储介质 | |
CN114399489B (zh) | 拉晶过程中光圈直径的监测方法、存储介质和终端 | |
CN114820597B (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 | |
JPH07198714A (ja) | 細胞活性度判定方法及び装置 | |
CN111832481B (zh) | 食用植物油加工质量检测方法、设备、存储介质及装置 | |
US10146042B2 (en) | Image processing apparatus, storage medium, and image processing method | |
JP2008084109A (ja) | 目開閉判定装置及び目開閉判定方法 | |
CN111144379B (zh) | 基于图像技术的小鼠视动反应自动识别方法 | |
CN112750123A (zh) | 一种水稻病虫害监测方法及系统 | |
CN113240759A (zh) | 一种基于色温的能见度确定方法、装置、设备及存储介质 | |
WO2020103826A1 (zh) | 一种熔料状态检测方法、装置及设备 | |
CN112775032A (zh) | 一种水果分拣方法、装置及柔性机器人 | |
CN117475292B (zh) | 一种种蛋自动识别系统及方法 | |
CN110827267A (zh) | 一种白酒厂原酒酿造过程配糟质量视觉分析方法及系统 | |
CN111886625A (zh) | 图像融合方法、图像采集设备、可移动平台 | |
CN116935229A (zh) | 一种钢包挂钩入钩状态识别方法及系统 | |
CN105527072B (zh) | 一种基于遥感图像获取遥感器在轨焦距的方法 |
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 |