CN115690076A - 硅棒的外观检测方法及相关设备 - Google Patents
硅棒的外观检测方法及相关设备 Download PDFInfo
- Publication number
- CN115690076A CN115690076A CN202211425155.0A CN202211425155A CN115690076A CN 115690076 A CN115690076 A CN 115690076A CN 202211425155 A CN202211425155 A CN 202211425155A CN 115690076 A CN115690076 A CN 115690076A
- Authority
- CN
- China
- Prior art keywords
- silicon rod
- image
- category
- binarization threshold
- pixel points
- 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.)
- Pending
Links
Images
Landscapes
- Silicon Compounds (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供一种硅棒的外观检测方法及相关设备,通过获取硅棒当前的第一图像信息,第一图像信息包括第一图像;通过最大类间方差法获取第一图像的最优二值化阈值;根据最优的二值化阈值,对第一图像进行二值化处理,得到二值图像,二值图像可表征硅棒当前的菜花比例;将二值图像与目标基准图像进行比对,确定硅棒当前的菜花比例是否达标,其中目标基准图像为二值图像中硅棒所处的生长阶段对应的基准图像。这样,实现自动化检测硅棒生长,替代人工检测硅棒的生长,自动化检测可以根据还原炉的数量设置相应数量的检测装置,从而达到在硅棒生长出现菜花时被及时检测到的有益效果。
Description
技术领域
本申请涉及多晶硅生产技术领域,尤其涉及一种硅棒的外观检测方法及相关设备。
背景技术
在目前的多晶硅生产过程中,会有多种因素导致有多晶硅附着的硅棒出现菜花,而硅棒出现大比例的菜花是多晶硅生产厂商需要避免的。
为了避免硅棒出现大比例的菜花,目前主要是在硅棒的生产过程中通过巡检人员肉眼对硅棒的外观进行定期监测。由于还原车间内通常设置数据庞大的还原炉,每一还原炉内的硅棒又都需要监测,导致这种监测方式难以及时发现每一还原炉内的硅棒出现菜花的比例情况。
因此,现有技术中存在硅棒在生长过程的菜花比例情况难以被及时监测的问题。
发明内容
本申请实施例提供一种硅棒的外观检测方法及相关设备,以解决硅棒在生长过程的菜花比例情况难以被及时监测的问题。
第一方面,本申请实施例提供了一种硅棒的外观检测方法,包括:
获取硅棒当前的第一图像信息,第一图像信息包括第一图像;
通过最大类间方差法获取第一图像的最优二值化阈值;
根据最优的二值化阈值,对第一图像进行二值化处理,得到二值图像,二值图像可表征硅棒当前的菜花比例;
将二值图像与目标基准图像进行比对,确定硅棒当前的菜花比例是否达标,其中目标基准图像为二值图像中硅棒所处的生长阶段对应的基准图像。
可选地,通过最大类间方差法获取第一图像的最优二值化阈值,包括:
以第一图像的二值化阈值为界限,将第一图像的所有像素点进行归类,获得多个类别组;其中,类别组包括灰度值小于二值化阈值的像素点归类为第一类别,灰度值大于二值化阈值的像素点归类为第二类别,第一图像的二值化阈值的取值范围为0~255中的整数,第一图像的所有像素点中的单个像素点被归类到第一类别的概率为p1,第一图像的所有像素点中单个像素点被归类到第二类别的概率为p2,第一类别中像素点的像素值均值为m1,第二类别中像素点的像素值均值为m2,第一图像中所有像素点的像素值均值为mG;
根据p1、p2、m1、m2和mG,计算每一类别组中的第一类别和第二类别的类间方差σ2,σ2满足:σ2=P1(m1-mG)2+P2(m2-mG)2;
将目标类别组对应的二值化阈值确定为第一图像的最优二值化阈值,目标类别组为多个类别组中σ2取值最大的类别组。
可选地,将二值图像与对应阶段的基准图像进行比对,确定硅棒生长时出现的菜花比例是否达标之前,还包括:
获取硅棒的至少两个生长图像,不同的生长图像表示硅棒处于不同生长阶段;
对硅棒的至少两个生长图像分别进行二值化处理,分别得到硅棒处于不同生长阶段的基准图像。
可选地,第一图像信息还包括拍摄第一图像时硅棒的生长阶段信息,二值图像中的硅棒的生长阶段信息与第一图像中的硅棒的生长阶段信息相同,在将二值图像与目标基准图像进行比对,确定硅棒当前出现的菜花比例是否达标之前,还包括:
基于拍摄第一图像时硅棒的生长阶段信息,确定二值图像对应的目标基准图像。
可选地,将二值图像与目标基准图像进行比对,确定硅棒当前出现的菜花比例是否达标之后,还包括:
如确定硅棒当前出现的菜花比例不达标时,获取硅棒所处的还原炉的炉温;
根据硅棒所处的还原炉的炉温与预设炉温,调整硅棒所处的还原炉的输入电流值大小或输入硅棒所处的还原炉的氢气与三氯氢硅的摩尔比。
第二方面,本申请实施例还提供一种硅棒的外观检测装置,其特征在于,装置包括:
第一获取模块,用于获取硅棒当前的第一图像信息,第一图像信息包括第一图像;
第二获取模块,用于通过最大类间方差法获取第一图像的最优二值化阈值;
处理模块,用于根据最优的二值化阈值,对第一图像进行二值化处理,得到二值图像,二值图像可表征硅棒当前的菜花比例;
第一确定模块,用于将二值图像与目标基准图像进行比对,确定硅棒当前的菜花比例是否达标,其中目标基准图像为二值图像中硅棒所处的生长阶段对应的基准图像。
可选地,第二获取模块包括:
归类子模块,用于以第一图像的二值化阈值为界限,将第一图像的所有像素点进行归类,获得多个类别组;其中,类别组包括灰度值小于二值化阈值的像素点归类为第一类别,灰度值大于二值化阈值的像素点归类为第二类别,第一图像的二值化阈值的取值范围为0~255中的整数,第一图像的所有像素点中的单个像素点被归类到第一类别的概率为p1,第一图像的所有像素点中单个像素点被归类到第二类别的概率为p2,第一类别中像素点的像素值均值为m1,第二类别中像素点的像素值均值为m2,第一图像中所有像素点的像素值均值为mG;
计算子模块,用于根据p1、p2、m1、m2和mG,计算每一类别组中的第一类别和第二类别的类间方差σ2,σ2满足:σ2=P1(m1-mG)2+P2(m2-mG)2;
确定子模块,用于将目标类别组对应的二值化阈值确定为第一图像的最优二值化阈值,目标类别组为多个类别组中σ2取值最大的类别组。
可选地,硅棒的外观检测装置还包括:
第三获取模块,用于获取硅棒的至少两个生长图像,不同的生长图像表示硅棒处于不同生长阶段;
第二处理模块,用于对硅棒的至少两个生长图像分别进行二值化处理,分别得到硅棒处于不同生长阶段的基准图像。
可选地,硅棒的外观检测装置还包括:
第二确定模块,用于基于拍摄第一图像时硅棒的生长阶段信息,确定二值图像对应的目标基准图像。
可选地,硅棒的外观检测装置还包括:
第四获取模块,用于如确定硅棒当前出现的菜花比例不达标时,获取硅棒所处的还原炉的炉温;
调整模块,用于根据硅棒所处的还原炉的炉温与预设炉温,调整硅棒所处的还原炉的输入电流值大小或输入硅棒所处的还原炉的氢气与三氯氢硅的摩尔比。
第三方面,本申请实施例还提供一种电子设备,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,处理器执行计算机程序时实现如上的硅棒的外观检测方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如上的硅棒的外观检测方法的步骤。
在本申请实施例中,通过获取硅棒当前的第一图像信息,第一图像信息包括第一图像;通过最大类间方差法获取第一图像的最优二值化阈值;根据最优的二值化阈值,对第一图像进行二值化处理,得到二值图像,二值图像可表征硅棒当前的菜花比例;将二值图像与目标基准图像进行比对,确定硅棒当前的菜花比例是否达标,其中目标基准图像为二值图像中硅棒所处的生长阶段对应的基准图像。这样,实现自动化检测硅棒生长,替代人工检测硅棒的生长,自动化检测可以根据还原炉的数量设置相应数量的检测装置,从而达到在硅棒生长出现菜花时被及时检测到的有益效果。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获取其他的附图。
图1是本申请实施例提供的一种硅棒的外观检测方法的流程图;
图2是本申请实施例提供的一种硅棒的外观检测装置的结构示意图;
图3是本申请实施例还提供一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获取的所有其他实施例,都属于本申请保护的范围。
除非另作定义,本申请中使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也相应地改变。
如图1所示,本申请实施例提供了一种硅棒的外观检测方法的流程图,包括:
步骤101、获取硅棒当前的第一图像信息,第一图像信息包括第一图像;
可选地,第一图像可以是通过还原炉上的上视镜拍摄的,也可以是通过还原炉上的其它部位的视镜拍摄。
可选地,第一图像可以彩色图像也可以是灰度图像。
示例性的,获取第一图像信息的频率可以是根据硅棒的生长阶段来确定,例如,硅棒的生长阶段可以分为生长前期、生长中期和生长后期,每个生长阶段的时间长度为一个小时,那么获取第一图像信息的频率就是一小时每次。此处不作进一步限制。
需要说明的是,反应炉内设置有多个硅棒,但在获取第一图像信息时,由于是通过视镜来获取的,因此,第一图像的画面中可能只显示有两根硅棒。
步骤102、通过最大类间方差法获取第一图像的最优二值化阈值;
需要进行说明的是,第一图像的最优二值化阈值是指第一图像经二值化处理得到二值图像,二值化处理过程需要的一个合适的二值化阈值。
步骤103、根据最优的二值化阈值,对第一图像进行二值化处理,得到二值图像,二值图像可表征硅棒当前的菜花比例;
需要进行说明的是,第一图像中硅棒上出现菜花的区域在经过二值化处理后得到的二值图像上的显示的颜色不同于硅棒上没出现菜花的区域,因此这个二值图像可以表征硅棒上出现的菜花比例。
步骤104、将二值图像与目标基准图像进行比对,确定硅棒当前的菜花比例是否达标,其中目标基准图像为二值图像中硅棒所处的生长阶段对应的基准图像。
应理解,目标基准图像也可以是一个二值图像,而且是对应当前二值图像中硅棒生长阶段的基准图像。
可选地,在一些实施例中,可以对进行二值图像连通域处理分析得到连通区域的面积大小,将目标基准图像也进连通区域分析得到连通区域的面积大小;再将二者的连通区域的面积进行比对,从而可以准确的确定当前菜花比例是否达标。
在本申请实施例中,通过获取硅棒当前的第一图像信息,第一图像信息包括第一图像;通过最大类间方差法获取第一图像的最优二值化阈值;根据最优的二值化阈值,对第一图像进行二值化处理,得到二值图像,二值图像可表征硅棒当前的菜花比例;将二值图像与目标基准图像进行比对,确定硅棒当前的菜花比例是否达标,其中目标基准图像为二值图像中硅棒所处的生长阶段对应的基准图像。这样,实现自动化检测硅棒生长,替代人工检测硅棒的生长,自动化检测可以根据还原炉的数量设置相应数量的检测装置,从而达到在硅棒生长出现菜花时被及时检测到的有益效果。
可选地,在一些实施例中,通过最大类间方差法获取第一图像的最优二值化阈值,包括:
以第一图像的二值化阈值为界限,将第一图像的所有像素点进行归类,获得多个类别组;其中,类别组包括灰度值小于二值化阈值的像素点归类为第一类别,灰度值大于二值化阈值的像素点归类为第二类别,第一图像的二值化阈值的取值范围为0~255中的整数,第一图像的所有像素点中的单个像素点被归类到第一类别的概率为p1,第一图像的所有像素点中单个像素点被归类到第二类别的概率为p2,第一类别中像素点的像素值均值为m1,第二类别中像素点的像素值均值为m2,第一图像中所有像素点的像素值均值为mG;
根据p1、p2、m1、m2和mG,计算每一类别组中的第一类别和第二类别的类间方差σ2,σ2满足:σ2=P1(m1-mG)2+P2(m2-mG)2;
将目标类别组对应的二值化阈值确定为第一图像的最优二值化阈值,目标类别组为多个类别组中σ2取值最大的类别组。
可选地,二值化阈值的取值可以遍历0~255中每一个整数。同时得到每个二值化阈值对应的二值图像的类间方差的值,将其中最大的类间方差的值对应的二值化阈值确定为第一图像的最优的二值化阈值。
在本申请实施例中,通过上述方案,可以求出第一图像的最优二值化阈值,从而使二值图像(第一图像进行二值化处理后得到)可以最准确得体现出硅棒上菜花的比例。
可选地,在一些实施例中,将二值图像与目标基准图像进行比对,确定硅棒生长时出现的菜花比例是否达标之前,还包括:
获取硅棒的至少两个生长图像,不同的生长图像表示硅棒处于不同生长阶段;
对硅棒的至少两个生长图像分别进行二值化处理,分别得到硅棒处于不同生长阶段的基准图像。
示例性的,获取硅棒的三个生长图像,分别为生长前期的生长图像、生长中期的生长图像和生长后期的生长图像;再分别对其出现二值化处理,得到生长前期的二值图像、生长中期的二值图像和生长后期的二值图像;再将这些二值图像保存为基准图像。
在本申请实施例中,通过上述方案,可以得到基准图像,有利于后续对当前的硅棒的二值图像的比对提供基准。
可选地,在一些实施例中,第一图像信息还包括拍摄第一图像时硅棒的生长阶段信息,二值图像中的硅棒的生长阶段信息与第一图像中的硅棒的生长阶段信息相同,在将二值图像与目标基准图像进行比对,确定硅棒当前出现的菜花比例是否达标之前,还包括:
基于拍摄第一图像时硅棒的生长阶段信息,确定二值图像对应的目标基准图像。
示例性的,拍摄第一图像时,硅棒是处于生长前期,那么第一图像经二值化处理得到二值图像中的硅棒的生长阶段也是处于生长前期,二值图像中的硅棒处于生长前期,那么这个二值图像对应的目标基准图像则是硅棒处于生长前期的基准图像。
可选地,拍摄第一图像时,硅棒也可以处于生长中期,或其他的生长阶段。
示例性的,之所以要得到第一图像的生长阶段信息,是因为当第一图像中硅棒所处的生长阶段不同,其菜花比例是否达标的标准不同。进一步地,示例性的,生长前期的硅棒的菜花比例不能超过35%,生长中期硅棒的菜花比例不能超过45%,生长后期硅棒的菜花比例不能超过65%。
可选地,在一些实施例中,将二值图像与目标基准图像进行比对,确定硅棒当前出现的菜花比例是否达标之后,还包括:
如确定硅棒当前出现的菜花比例不达标时,获取硅棒所处的还原炉的炉温;
根据硅棒所处的还原炉的炉温与预设炉温,调整硅棒所处的还原炉的输入电流值大小或输入硅棒所处的还原炉的氢气与三氯氢硅的摩尔比。
应理解,当所述炉温高于预设值时,则调整所述硅棒所处的还原炉的输入电流值大小;在硅棒的生长过程中,输入还原炉的电流值的大小是一直在增加的,但如果炉温高于预设值时,可以停止增加电流值,也可以是增加电流值的幅度降低。
应理解,当所述炉温低于预设值时,则增大输入所述硅棒所处的还原炉的氢气与三氯氢硅的摩尔比;示例性的,可以将氢气与三氯氢硅的摩尔比增加0.1至0.5。
如图2所示,本申请实施例还提供一种硅棒的外观检测装置的结构示意图,其特征在于,装置包括:
第一获取模块201,用于获取硅棒当前的第一图像信息,第一图像信息包括第一图像;
第二获取模块202,用于通过最大类间方差法获取第一图像的最优二值化阈值;
处理模块203,用于根据最优的二值化阈值,对第一图像进行二值化处理,得到二值图像,二值图像可表征硅棒当前的菜花比例;
第一确定模块204,用于将二值图像与目标基准图像进行比对,确定硅棒当前的菜花比例是否达标,其中目标基准图像为二值图像中硅棒所处的生长阶段对应的基准图像。
可选地,在一些实施例中,第二获取模块202包括:
归类子模块,用于以第一图像的二值化阈值为界限,将第一图像的所有像素点进行归类,获得多个类别组;其中,类别组包括灰度值小于二值化阈值的像素点归类为第一类别,灰度值大于二值化阈值的像素点归类为第二类别,第一图像的二值化阈值的取值范围为0~255中的整数,第一图像的所有像素点中的单个像素点被归类到第一类别的概率为p1,第一图像的所有像素点中单个像素点被归类到第二类别的概率为p2,第一类别中像素点的像素值均值为m1,第二类别中像素点的像素值均值为m2,第一图像中所有像素点的像素值均值为mG;
计算子模块,用于根据p1、p2、m1、m2和mG,计算每一类别组中的第一类别和第二类别的类间方差σ2,σ2满足:σ2=P1(m1-mG)2+P2(m2-mG)2;
确定子模块,用于将目标类别组对应的二值化阈值确定为第一图像的最优二值化阈值,目标类别组为多个类别组中σ2取值最大的类别组。
可选地,在一些实施例中,硅棒的外观检测装置200还包括:
第三获取模块,用于获取硅棒的至少两个生长图像,不同的生长图像表示硅棒处于不同生长阶段;
第二处理模块,用于对硅棒的至少两个生长图像分别进行二值化处理,分别得到硅棒处于不同生长阶段的基准图像。
可选地,在一些实施例中,硅棒的外观检测装置200还包括:
第二确定模块,用于基于拍摄第一图像时硅棒的生长阶段信息,确定二值图像对应的目标基准图像。
可选地,硅棒的外观检测装置还包括:
第四获取模块,用于如确定硅棒当前出现的菜花比例不达标时,获取硅棒所处的还原炉的炉温;
调整模块,用于根据硅棒所处的还原炉的炉温与预设炉温,调整硅棒所处的还原炉的输入电流值大小或输入硅棒所处的还原炉的氢气与三氯氢硅的摩尔比。
本申请实施例提供的硅棒的外观检测装置200能够实现上述方法实施例中的各个过程,为避免重复,这里不再赘述。
如图3所示,本申请实施例还提供一种电子设备的结构示意图,包括:存储器302、处理器301及存储在存储器302上并可在处理器301上运行的程序3021,处理器301执行程序3021时实现如上的硅棒的外观检测方法的步骤。
程序3021被处理器301执行时可实现图1对应的方法实施例中的任意步骤及达到相同的有益效果,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成,所述的程序可以存储于一可读取介质中。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如上的硅棒的外观检测方法的步骤。
本申请实施例的计算机可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所述是本申请实施例的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种硅棒的外观检测方法,其特征在于,所述方法包括:
获取所述硅棒当前的第一图像信息,所述第一图像信息包括第一图像;
通过最大类间方差法获取所述第一图像的最优二值化阈值;
根据所述最优的二值化阈值,对所述第一图像进行二值化处理,得到二值图像,所述二值图像可表征所述硅棒当前的菜花比例;
将所述二值图像与目标基准图像进行比对,确定所述硅棒当前的菜花比例是否达标,其中所述目标基准图像为所述二值图像中硅棒所处的生长阶段对应的基准图像。
2.根据权利要求1所述的硅棒的外观检测方法,其特征在于,所述通过最大类间方差法获取所述第一图像的最优二值化阈值,包括:
以所述第一图像的二值化阈值为界限,将所述第一图像的所有像素点进行归类,获得多个类别组;其中,所述类别组包括灰度值小于所述二值化阈值的像素点归类为第一类别,灰度值大于所述二值化阈值的像素点归类为第二类别,所述第一图像的二值化阈值的取值范围为0~255中的整数,所述第一图像的所有像素点中的单个像素点被归类到所述第一类别的概率为p1,所述第一图像的所有像素点中单个像素点被归类到所述第二类别的概率为p2,所述第一类别中像素点的像素值均值为m1,所述第二类别中像素点的像素值均值为m2,所述第一图像中所有像素点的像素值均值为mG;
根据所述p1、p2、m1、m2和mG,计算每一类别组中的所述第一类别和所述第二类别的类间方差σ2,所述σ2满足:σ2=P1(m1-mG)2+P2(m2-mG)2;
将目标类别组对应的二值化阈值确定为所述第一图像的最优二值化阈值,所述目标类别组为所述多个类别组中所述σ2取值最大的类别组。
3.根据权利要求1所述的硅棒的外观检测方法,其特征在于,所述将所述二值图像与目标基准图像进行比对,确定所述硅棒生长时出现的菜花比例是否达标之前,还包括:
获取所述硅棒的至少两个生长图像,不同的生长图像表示所述硅棒处于不同生长阶段;
对所述硅棒的至少两个生长图像分别进行二值化处理,分别得到所述硅棒处于不同生长阶段的基准图像。
4.根据权利要求1所述的硅棒的外观检测方法,其特征在于,所述第一图像信息还包括拍摄所述第一图像时硅棒的生长阶段信息,所述二值图像中的硅棒的生长阶段信息与所述第一图像中的硅棒的生长阶段信息相同,在所述将所述二值图像与目标基准图像进行比对,确定所述硅棒当前出现的菜花比例是否达标之前,还包括:
基于所述拍摄所述第一图像时硅棒的生长阶段信息,确定所述二值图像对应的所述目标基准图像。
5.根据权利要求1所述的硅棒的外观检测方法,其特征在于,所述将所述二值图像与目标基准图像进行比对,确定所述硅棒当前出现的菜花比例是否达标之后,还包括:
如确定所述硅棒当前出现的菜花比例不达标时,获取所述硅棒所处的还原炉的炉温;
根据所述硅棒所处的还原炉的炉温与预设炉温,调整所述硅棒所处的还原炉的输入电流值大小或输入所述硅棒所处的还原炉的氢气与三氯氢硅的摩尔比。
6.一种硅棒的外观检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取所述硅棒当前的第一图像信息,所述第一图像信息包括第一图像;
第二获取模块,用于通过最大类间方差法获取所述第一图像的最优二值化阈值;
处理模块,用于根据所述最优的二值化阈值,对所述第一图像进行二值化处理,得到二值图像,所述二值图像可表征所述硅棒当前的菜花比例;
第一确定模块,用于将所述二值图像与目标基准图像进行比对,确定所述硅棒当前的菜花比例是否达标,其中所述目标基准图像为所述二值图像中硅棒所处的生长阶段对应的基准图像。
7.根据权利要求6所述的硅棒的外观检测装置,其特征在于,所述第二获取模块包括:
归类子模块,用于以所述第一图像的二值化阈值为界限,将所述第一图像的所有像素点进行归类,获得多个类别组;其中,所述类别组包括灰度值小于所述二值化阈值的像素点归类为第一类别,灰度值大于所述二值化阈值的像素点归类为第二类别,所述第一图像的二值化阈值的取值范围为0~255中的整数,所述第一图像的所有像素点中的单个像素点被归类到所述第一类别的概率为p1,所述第一图像的所有像素点中单个像素点被归类到所述第二类别的概率为p2,所述第一类别中像素点的像素值均值为m1,所述第二类别中像素点的像素值均值为m2,所述第一图像中所有像素点的像素值均值为mG;
计算子模块,用于根据所述p1、p2、m1、m2和mG,计算每一类别组中的所述第一类别和所述第二类别的类间方差σ2,所述σ2满足:σ2=P1(m1-mG)2+P2(m2-mG)2;
确定子模块,用于将目标类别组对应的二值化阈值确定为所述第一图像的最优二值化阈值,所述目标类别组为所述多个类别组中所述σ2取值最大的类别组。
8.根据权利要求6所述的硅棒的外观检测装置,其特征在于,所述装置还包括:
第三获取模块,用于获取所述硅棒的至少两个生长图像,不同的生长图像表示所述硅棒处于不同生长阶段;
第二处理模块,用于对所述硅棒的至少两个生长图像分别进行二值化处理,分别得到所述硅棒处于不同生长阶段的基准图像。
9.根据权利要求6所述的硅棒的外观检测装置,其特征在于,所述第一图像信息还包括拍摄所述第一图像时硅棒的生长阶段信息,所述二值图像中的硅棒的生长阶段信息与所述第一图像中的硅棒的生长阶段信息相同,所述装置还包括:
第二确定模块,用于基于所述拍摄所述第一图像时硅棒的生长阶段信息,确定所述二值图像对应的所述目标基准图像。
10.根据权利要求6所述的硅棒的外观检测装置,其特征在于,所述装置还包括:
第四获取模块,用于如确定所述硅棒当前出现的菜花比例不达标时,获取所述硅棒所处的还原炉的炉温;
调整模块,用于根据所述硅棒所处的还原炉的炉温与预设炉温,调整所述硅棒所处的还原炉的输入电流值大小或输入所述硅棒所处的还原炉的氢气与三氯氢硅的摩尔比。
11.一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;其特征在于,所述处理器,用于读取存储器中的程序实现如权利要求1至5中任一项所述的硅棒的外观检测方法中的步骤。
12.一种可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现如权利要求1至5中任一项所述的硅棒的外观检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211425155.0A CN115690076A (zh) | 2022-11-14 | 2022-11-14 | 硅棒的外观检测方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211425155.0A CN115690076A (zh) | 2022-11-14 | 2022-11-14 | 硅棒的外观检测方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115690076A true CN115690076A (zh) | 2023-02-03 |
Family
ID=85051492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211425155.0A Pending CN115690076A (zh) | 2022-11-14 | 2022-11-14 | 硅棒的外观检测方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690076A (zh) |
-
2022
- 2022-11-14 CN CN202211425155.0A patent/CN115690076A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113205063A (zh) | 一种输电导线缺陷的视觉识别及定位方法 | |
Song et al. | Micro surface defect detection method for silicon steel strip based on saliency convex active contour model | |
CN110032916A (zh) | 一种检测目标物体的方法和装置 | |
JP2006275743A (ja) | 欠陥検査方法 | |
CN112381848B (zh) | 复杂环境下仪表视觉读数在线监测系统的抗干扰方法 | |
CN107563263A (zh) | 基于仪表的视频图像识别方法及系统 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
WO2024103871A1 (zh) | 一种多晶硅监控方法、装置及相关设备 | |
CN113808153A (zh) | 番茄成熟检测方法、装置、计算机设备及存储介质 | |
CN111047598B (zh) | 基于深度学习的输变电设备紫外放电光斑分割方法及装置 | |
CN112749735B (zh) | 基于深度学习的转炉出钢钢流识别方法、系统、介质及终端 | |
WO2015031350A1 (en) | Systems and methods for memory utilization for object detection | |
CN111709170B (zh) | 一种热带与非热带气旋降水的分离方法、设备及存储介质 | |
CN115690076A (zh) | 硅棒的外观检测方法及相关设备 | |
CN117058106A (zh) | 基于随机森林的柔性玻璃平面度及表面缺陷的测量方法 | |
CN115063739B (zh) | 异常行为的检测方法、装置、设备及计算机存储介质 | |
US20210374480A1 (en) | Arithmetic device, arithmetic method, program, and discrimination system | |
CN113643234B (zh) | 一种复合绝缘子破损检测方法、终端设备及可读存储介质 | |
CN111062920B (zh) | 用于生成半导体检测报告的方法及装置 | |
CN113947563A (zh) | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 | |
CN114459606B (zh) | 一种热像仪对日保护方法、系统、智能终端以及存储介质 | |
CN117152421B (zh) | 输电线路异物检测方法、装置、计算机设备和存储介质 | |
CN117132896B (zh) | 一种建筑物开裂的检测与识别方法 | |
CN115326207B (zh) | 一种基于滑动窗口的对流云识别方法及终端 | |
CN118037726B (zh) | 一种铁路配件缺陷检测方法及系统 |
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 |