CN115775229A - 一种多晶硅监控方法、装置及相关设备 - Google Patents
一种多晶硅监控方法、装置及相关设备 Download PDFInfo
- Publication number
- CN115775229A CN115775229A CN202211425068.5A CN202211425068A CN115775229A CN 115775229 A CN115775229 A CN 115775229A CN 202211425068 A CN202211425068 A CN 202211425068A CN 115775229 A CN115775229 A CN 115775229A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- silicon rod
- reaction furnace
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 114
- 229910021420 polycrystalline silicon Inorganic materials 0.000 title claims abstract description 25
- 229920005591 polysilicon Polymers 0.000 title claims description 16
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 339
- 229910052710 silicon Inorganic materials 0.000 claims abstract description 282
- 239000010703 silicon Substances 0.000 claims abstract description 282
- 238000006243 chemical reaction Methods 0.000 claims abstract description 236
- 238000000889 atomisation Methods 0.000 claims abstract description 141
- 206010027146 Melanoderma Diseases 0.000 claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000010191 image analysis Methods 0.000 claims abstract description 28
- 238000007689 inspection Methods 0.000 claims description 131
- 238000001514 detection method Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 35
- 238000012937 correction Methods 0.000 claims description 26
- 239000011863 silicon-based powder Substances 0.000 claims description 22
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 20
- 230000033228 biological regulation Effects 0.000 claims description 20
- 239000001257 hydrogen Substances 0.000 claims description 20
- 229910052739 hydrogen Inorganic materials 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 19
- 230000001276 controlling effect Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 14
- 230000004888 barrier function Effects 0.000 claims description 13
- 239000007789 gas Substances 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 claims description 11
- 229910000041 hydrogen chloride Inorganic materials 0.000 claims description 11
- IXCSERBJSXMMFS-UHFFFAOYSA-N hydrogen chloride Substances Cl.Cl IXCSERBJSXMMFS-UHFFFAOYSA-N 0.000 claims description 11
- 239000002994 raw material Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- ZDHXKXAHOVTTAH-UHFFFAOYSA-N trichlorosilane Chemical compound Cl[SiH](Cl)Cl ZDHXKXAHOVTTAH-UHFFFAOYSA-N 0.000 claims description 10
- 239000005052 trichlorosilane Substances 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 239000011856 silicon-based particle Substances 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 12
- 238000012806 monitoring device Methods 0.000 abstract description 3
- 238000013139 quantization Methods 0.000 abstract 1
- 230000002159 abnormal effect Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 22
- 238000006722 reduction reaction Methods 0.000 description 21
- 239000011295 pitch Substances 0.000 description 19
- 230000002829 reductive effect Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 239000011521 glass Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 4
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000003321 amplification Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供一种多晶硅监控方法、装置及相关设备，其中，所述方法包括：获取反应炉的监控图像；对所述监控图像进行图像分析，获得分析结果；在所述分析结果满足报警条件的情况下，输出报警信息；所述报警条件包括黑斑区域的数目参数大于或等于第一阈值；黑斑区域的面积参数大于或等于第二阈值；所述监控图像对应的第一相似参数小于或等于第三阈值；所述监控图像包括的高亮像素点位于预设区间内中的至少一项。通过图像区域监测、图像相似度比较以及图像像素值监测等方式，对硅棒生产过程中的硅棒黑斑、反应炉雾化以及硅棒亮点等问题进行量化监控，以在硅棒生长异常时发出警报，降低不合格硅棒的产出率，提升硅棒所获得的监控效果。
Description
技术领域
本申请涉及多晶硅生产技术领域，具体涉及一种多晶硅监控方法、装置及相关设备。
背景技术
多晶硅还原工序是生产过程中的关键环节，还原车间内包括多个反应炉，为了对多个反应炉中每一反应炉内反应状况进行及时监测，需要现场人员对反应炉进行定期巡检，以监控反应炉内是否存在雾化、黑斑、硅棒亮点等硅棒异常问题。
应用中发现，采用上述人工巡检的方式对反应炉内的硅棒反应状况进行监测，受人为因素的干扰较大，易出现误判或漏判的情况，也就是说，相关技术对硅棒异常状况的监控效果较差。
发明内容
本申请实施例的目的在于提供一种多晶硅监控方法、装置和相关设备，用于解决相关技术在监控硅棒异常状况过程中存在的监控效果差的问题。
第一方面，本申请实施例提供一种多晶硅监控方法，所述方法包括：
获取反应炉的监控图像；
对所述监控图像进行图像分析，获得分析结果；
在所述分析结果满足报警条件的情况下，输出报警信息；
其中，所述报警条件包括以下至少一项：
所述监控图像中黑斑区域的数目参数大于或等于第一阈值；
所述监控图像中黑斑区域的面积参数大于或等于第二阈值；
所述监控图像对应的第一相似参数小于或等于第三阈值，所述第一相似参数用于表征所述监控图像和基准图像之间的图像相似度，所述基准图像为所述反应炉内在无雾化的状态下采集的图像；
所述监控图像包括的高亮像素点位于预设区间内，所述预设区间用于表征第一位置在所述监控图像内对应的像素区间，所述第一位置为所述反应炉内用于放置硅棒的位置，所述高亮像素点为所述监控图像中对应像素值大于像素阈值的像素点。
可选的，所述对所述监控图像进行图像分析，获得分析结果，包括：
对所述监控图像进行灰度化处理，获得灰度图像；
对所述灰度图像包括的硅棒图像进行连通域分析，确定所述硅棒图像包括的至少一个黑斑图块；
根据所述至少一个黑斑图块，确定所述监控图像中黑斑区域的数目参数和所述监控图像中黑斑区域的面积参数。
可选的，所述方法还包括：
对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据；
根据所述检测信号数据与所述基准光信号对应的基准信号数据之间的差异，确定光衰参数，其中，所述光衰参数用于表征所述基准光信号的光能量衰减幅度；
在所述光衰参数大于或等于光衰阈值的情况下，生成雾化信息。
可选的，所述生成雾化信息之后，所述方法还包括：
根据所述光衰参数和预设置的转换系数，确定调整参数；
根据所述调整参数，对所述反应炉的输入原料的输入量进行调整。
可选的，所述根据所述调整参数，对所述反应炉的输入原料的输入量进行调整之后，所述方法还包括：
获取所述参照设备在第一检测时刻发出的基准光信号对应的第一光衰值、以及所述参照设备在第二检测时刻发出的基准光信号对应的第二光衰值；
将所述第一光衰值和所述第二光衰值之间的差值确定为光衰变化参数；
在所述光衰变化参数小于或等于变化阈值的情况下，生成雾化警报，所述雾化警报用于指示所述反应炉的位置。
可选的，所述对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据之前，所述方法还包括：
对所述参照设备在初始时刻发出的基准光信号的进行检测，得到测试信号数据，所述初始时刻为所述反应炉的启动时刻；
根据所述测试信号数据对所述基准信号数据进行更新。
可选的，所述对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据之前，所述方法还包括：
向所述参照设备发送检测指令，以使所述参照设备基于所述检测指令发出所述基准光信号。
可选的，所述输出报警信息之后，所述方法还包括：
在所述第一相似参数小于或等于第三阈值的情况下，根据所述监控图像和至少两个雾化图像组，获得至少两个第二相似参数，所述至少两个第二相似参数与所述至少两个雾化图像组一一对应，其中，所述至少两个雾化图像组分别指示所述反应炉的不同雾化程度，所述第二相似参数用于表征对应的雾化图像组与所述监控图像之间的图像相似度；
在所述至少两个雾化图像组中确定目标雾化图像组，其中，所述目标雾化图像组对应的第二相似参数为所述至少两个第二相似参数中数值最大的相似参数；
输出所述目标雾化图像组关联的雾化警示信息。
可选的，所述输出所述目标雾化图像组关联的雾化警示信息之后，所述方法还包括：
根据所述雾化警示信息，确定所述反应炉的调控信息；
根据所述调控信息对所述反应炉的反应参数进行调控；
其中，所述反应参数包括电流值、氢气输入量和三氯氢硅输入量的比值中的至少一项。
可选的，所述获取反应炉的监控图像之后，所述方法还包括：
对所述监控图像进行二值化处理，获得二值图像；
根据所述二值图像，确定像素间距，其中，所述像素间距用于表征对应第一硅棒的像素区域和对应第二硅棒的像素区域之间的最短距离，所述第一硅棒和所述第二硅棒为所述反应炉内相邻设置的两个硅棒；
根据修正参数对所述像素间距进行修正，获取第一间距，其中，所述修正参数用于表征所述监控图像中单位像素块对应的物理长度，所述第一间距用于表征当前时刻所述第一硅棒和所述第二硅棒之间的间距；
根据所述硅棒间距和初始间距，确定目标参数，其中，所述初始间距用于表征初始时刻所述第一硅棒和所述第二硅棒之间的间距，所述初始时刻为所述反应炉的启动时刻，所述目标参数用于表征当前时刻所述反应炉内的硅棒直径。
可选的，所述根据所述二值图像，确定像素间距，包括：
对所述二值图像进行特征识别，确定第一像素点集和第二像素点集，其中，所述第一像素点集为所述第一硅棒的靠近所述第二硅棒的边缘部分对应的像素点集合，所述第二像素点集为所述第二硅棒的靠近所述第一硅棒的边缘部分对应的像素点集合；
根据所述第一像素点集和所述第二像素点集，确定像素间距。
可选的，所述根据所述第一像素点集和所述第二像素点集，确定像素间距，包括：
计算位于同一像素高度的第一像素点和第二像素点之间的点间距，其中，所述第一像素点为所述第一像素点集中的任一像素点，所述第二像素点为所述第二像素点集中的任一像素点；
将多个像素高度分别对应的点间距的均值确定为所述像素间距。
可选的，所述根据修正参数对所述像素间距进行修正，获得第一间距之前，所述方法还包括：
获取所述反应炉在初始时段的校正图像；
对所述校正图像进行图像分析，获得硅芯目标间距，其中，所述硅芯目标间距用于表征对应所述第一硅棒硅芯的像素点集和对应所述第二硅棒硅芯的像素点集之间的间距；
根据硅芯基准间距和所述硅芯目标间距，确定所述修正参数，其中，所述硅芯基准间距用于表征所述第一硅棒硅芯和所述第二硅棒硅芯之间的物理距离。
可选的，所述初始间距根据初始时刻获取的第一参考图像确定，所述第一参考图像占用的内存空间和所述监控图像占用的内存空间均大于或等于内存阈值。
可选的，所述获取反应炉的监控图像之后，所述方法还包括：
将所述监控图像包括的硅棒图像和第二参考图像进行图像相似度比较，获得比较结果，其中，所述第二参考图像用于表征疏松料硅棒；
在所述比较结果指示所述反应炉内包括疏松料硅棒的情况下，对所述监控图像包括的硅棒图像进行连通域分析，确定N个间隙图块，所述间隙图块用于指示硅棒表面的多个硅颗粒之间的间隙，N为正整数；
根据M个间隙图块的图块面积确定所述反应炉内硅棒的质量信息，其中，所述M个间隙图块为所述N个间隙图块中图块面积从大到小排列的前M个间隙图块。
可选的，所述获取反应炉的监控图像，包括：
在所述反应炉的红外图像指示所述第一位置的温度与所述反应炉内的硅棒平均温度之差大于或等于温差阈值的情况下，和/或，在所述反应炉的硅粉含量的增幅速率大于或等于增速阈值的情况下，获取反应炉的监控图像。
可选的，所述输出报警信息之后，所述方法还包括：
在所述高亮像素点的像素坐标位于预设区间内的情况下，将所述高亮像素点的像素值与多个参考点的像素值分别进行相似度比较，获得多个第三相似参数，所述多个第三相似参数和所述多个参考点一一对应，所述多个参考点中的每一参考点对应一个温度区间的硅棒亮点；
将数值最大的所述第三相似参数对应的参考点确定为目标点；
根据所述目标点的亮点信息，确定位于所述预设区间的高亮像素点的亮点信息，其中，所述亮点信息包括对应的硅棒亮点的温度信息、以及对应的硅棒亮点的处理流程信息。
可选的，根据所述目标点的亮点信息，确定位于所述预设区间的高亮像素点的亮点信息之后，所述方法还包括：
在所述多个第三相似参数均小于或等于相似阈值的情况下，将所述高亮像素点作为新的参考点进行存储。
可选的，所述方法还包括：
获取所述反应炉所在还原车间内的氢气浓度和氯化氢浓度；
当所述氢气浓度大于第一预设浓度值和/或所述氯化氢浓度大于第二预设浓度值时，输出气体泄漏信息。
可选的，所述方法还包括：
获取巡检机器人的初始巡检路线和反应炉的运行状态信息，所述运行状态信息包括反应炉的启停数据；
根据所述初始巡检路线和所述运行状态信息，确定所述巡检机器人的第一巡检路线，所述第一巡检路线上包括按次序排列的P个待巡检点，P为大于1的整数，每一所述待巡检点对应一个处于启动状态的反应炉；
基于所述第一巡检路线，控制所述巡检机器人在所述P个待巡检点之间依次停留。
可选的，所述基于所述第一巡检路线，控制所述巡检机器人在所述P个待巡检点之间依次停留之后，所述方法还包括：
在所述第一巡检路线与障碍区域重叠的情况下，根据所述障碍区域、所述初始巡检路线和所述运行状态信息确定第二巡检路线，所述第二巡检路线上包括所述P个待巡检点中的至少部分待巡检点，且所述第二巡检路线不包括所述障碍区域，其中，所述障碍区域为阻碍所述巡检机器人移动的障碍物对应的区域；
按照所述第二巡检路线，控制所述巡检机器人继续巡检。
可选的，所述障碍区域根据所述障碍物的移动速度和/或所述障碍物的体积确定。
第二方面，本申请实施例还提供一种多晶硅监控装置，所述装置包括：
图像获取模块，用于获取反应炉的监控图像；
图像分析模块，用于对所述监控图像进行图像分析，获得分析结果；
报警模块，用于在所述分析结果满足报警条件的情况下，输出报警信息；
其中，所述报警条件包括以下至少一项：
所述监控图像中黑斑区域的数目参数大于或等于第一阈值；
所述监控图像中黑斑区域的面积参数大于或等于第二阈值；
所述监控图像对应的第一相似参数小于或等于第三阈值，所述第一相似参数用于表征所述监控图像和基准图像之间的图像相似度，所述基准图像为所述反应炉内在无雾化的状态下采集的图像；
所述监控图像包括的高亮像素点位于预设区间内，所述预设区间用于表征第一位置在所述监控图像内对应的像素区间，所述第一位置为所述反应炉内用于放置硅棒的位置，所述高亮像素点为所述监控图像中对应像素值大于像素阈值的像素点。
第三方面，本申请实施例还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述的多晶硅监控方法的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的多晶硅监控方法的步骤。
在本申请实施例中，通过图像区域监测、图像相似度比较以及图像像素值监测等方式，对硅棒生产过程中导致不合格硅棒产生的硅棒黑斑、反应炉雾化以及硅棒亮点等问题进行量化监控，以在分析结果满足报警条件的情况下，及时输出报警信息，提醒巡检人员对反应炉的异常生产状况进行处置，降低不合格硅棒的产出率，提升硅棒所获得的监控效果。
附图说明
图1是本申请实施例提供的一种多晶硅监控方法的流程示意图；
图2是本申请实施例提供的一种反应炉内多个硅棒的示意图；
图3是本申请实施例提供的一种第一硅棒和第二硅棒的示意图；
图4是本申请实施例提供的经二值化处理后的监控图像的示意图；
图5是本申请实施例提供的一种多晶硅监控装置的结构示意图；
图6是本申请实施例提供的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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供一种多晶硅监控方法，参见图1，图1是本申请实施例提供的一种多晶硅监控方法的流程示意图，如图1所示，包括以下步骤：
步骤101、获取反应炉的监控图像。
其中，所述监控图像包括第一位置的图像，所述第一位置为反应炉内用于放置硅棒的位置。
所述监控图像可以为图像采集设备经由硅棒反应炉的视镜拍摄得到的炉内图像(指彩色图像)，所述图像采集设备可以为正对硅棒反应炉的视镜设置的固定相机，也可以为巡检机器人上装配的相机(巡检机器人按预设程序周期性巡检反应车间内多个反应炉)。
示例性的，所述监控图像的采集频次可以为1秒1次、5秒1次或1分钟1次等，用户可根据实际需求适应性选择监控图像的采集频次，本申请实施例对此并不加以限定。
需要说明的是，反应炉内设置有多个用于插设硅棒硅芯的凹槽，第一位置即用于指示凹槽所在位置，也即硅棒硅芯插设于凹槽内之后，硅棒伸出凹槽部分的下端位置。
步骤102、对所述监控图像进行图像分析，获得分析结果。
其中，所述分析结果至少包括所述监控图像中黑斑区域的数目参数、所述监控图像中黑斑区域的面积参数，所述监控图像对应的第一相似参数和所述监控图像包括的高亮像素点等数据。
其中，所述第一相似参数用于表征所述监控图像和基准图像之间的图像相似度，所述基准图像为所述反应炉内在无雾化的状态下采集的图像；所述高亮像素点为所述监控图像中对应像素值大于像素阈值的像素点。
示例性的，可以通过对监控图像进行图像分析，以将监控图像中包括的背景图块、硅棒正常图块、硅棒黑斑图块进行区分，并基于区分结果确定硅棒黑斑图块对应的数目参数和面积参数，其中，硅棒黑斑图块对应的数目参数(即所述监控图像中黑斑区域的数目参数)可理解为监控图像中包括的多个硅棒黑斑图块的总数目，硅棒黑斑图块对应的面积参数(即所述监控图像中黑斑区域的面积参数)可理解为监控图像中包括的多个硅棒黑斑图块中每一硅棒黑斑图块的图块面积。
举例来说，可基于连通域算法完成对监控图像的图像分析，上述连通域算法可以为两遍扫描法(Two-Pass)或种子填充法(Seed-Filling)。
示例性的，高亮像素点的获取过程可以为：通过对监控图像进行灰度化处理，获得灰度图像；再对灰度图像进行二值化处理，以获得所述高亮像素点。
在对监控图像进行灰度化处理的过程中，可以采用最大值法进行图像灰度处理，也可以采用平均值法进行图像灰度处理，还可以采用加权平均值法进行图像灰度处理，本申请实施例对图像灰度处理所采用的具体算法并不加以限定。
在对灰度图像进行二值化处理过程中，可以应用全局阈值的方式(即灰度图像中每一像素点的像素值均同前述像素阈值进行比较，此时，灰度图像中每一像素点所比较的像素阈值相同)，也可以应用局部自适应动态阈值算法实现(即动态计算每一像素点所要进行比较的像素阈值，此时，灰度图像中每一像素点所比较的像素阈值可以相同，也可以不同)，本申请实施例对此也不加以限定。
步骤103、在所述分析结果满足报警条件的情况下，输出报警信息。
其中，所述报警条件包括以下至少一项：
所述监控图像中黑斑区域的数目参数大于或等于第一阈值；
所述监控图像中黑斑区域的面积参数大于或等于第二阈值；
所述监控图像对应的第一相似参数小于或等于第三阈值；
所述监控图像包括的高亮像素点位于预设区间内，所述预设区间用于表征第一位置在所述监控图像内对应的像素区间，所述第一位置为所述反应炉内用于放置硅棒的位置。
如上，针对黑斑问题的监测，通过第一阈值和第二阈值的配合设置，可对硅棒内黑斑过度蔓延导致的硅棒异常生长情况进行量化，将黑斑数量过多的硅棒识别为处于异常生长状态的硅棒和/或黑斑面积过大的硅棒识别为处于异常生长状态的硅棒，并相应生成报警信息，以提醒还原车间内的工作人员对处于异常生长状态的硅棒进行及时处置(如提高反应炉内的氢气量，或者，降低反应炉内的温度等处置措施)，避免反应炉内的黑斑问题出现进一步恶化。
需要指出的是，上述面积参数可以理解为所述监控图像包括的多个黑斑区域中区块面积最大的黑斑区域的区块面积，也可以理解为为所述监控图像包括的多个黑斑区域的区块面积之和，用户可根据实际需求确定上述面积参数的指代含义，本申请实施例对此并不加以限定。
举例来说，若监控图像包括2个黑斑区域，其中一个黑斑区域的区块面积为25，另一个黑斑区域的区块面积为20，则前述面积参数可以为25或45。
针对雾化问题的监测，可通过比较监控图像和基准图像之间的图像相似度，也即确定第一相似参数，并对第一相似参数和第三阈值进行比较的方式，以确定反应炉内是否出现雾化状况，通过采用上述自动化监测的方式，对人工巡检的监控方式进行替换，以规避人为因素的干扰，提升反应炉在雾化监测方面所获得的监控效果。
针对硅棒亮点的监测，可将位于预设区间内的高亮像素点称为异常点，在输出指示异常点的报警信息后，通过在监控图像上对所述异常点进行标记的措施，便利用户(如：反应炉所在车间的巡检人员)对异常点的定位，加快异常点(也即硅棒亮点)的处置效率。
其中，硅棒亮点可理解为硅棒下端位置(也即硅棒在反应炉内的插设位置)因生产故障问题而产生的异常高温点，此异常高温点会在视界中以明亮光点的形式呈现，若不及时识别该异常高温点并加以处置，硅棒下端部会出现高温熔断情况，这将造成硅棒倾倒的事故，并带来较为严重的经济损失。
在一可选的实施方式中，在确定异常点的过程中，除了应用预设区间对多个高亮像素点进行筛分的方式外，还可以应用数量阈值的方式对多个高亮像素点进行筛分，即在多个高亮像素点中，将相邻的多个高亮像素点确定为一候选点组，并将候选点组内高亮像素点数量小于或等于数量阈值的候选点组滤除，以进一步提升所确定异常点的准确性。
在另一实施方式中，可以先基于数量阈值对多个高亮像素点进行初步筛分，再应用预设区间对初步筛分后的多个高亮像素点作进一步筛分，以最终确定异常点，这能显著提升所确定异常的准确性。
在一些实施方式中，若监控图像为巡检机器人上装配的相机采集的图像，则输出报警信息，且工作人员对处于异常生长状况的硅棒进行处置后，巡检机器人可以返回前述报警信息指示的反应炉视镜处，对所述反应炉内的硅棒进行复检，若复检通过，则恢复周期性巡检模式，若复检不通过，则再次生成报警信息。
需要说明的是，所输出的报警信息包括黑斑问题、雾化问题和硅棒亮点问题中的至少一项。
在本申请实施例中，通过图像区域监测、图像相似度比较以及图像像素值监测等方式，对硅棒生产过程中导致不合格硅棒产生的硅棒黑斑、反应炉雾化以及硅棒亮点等问题进行量化监控，以在分析结果满足报警条件的情况下，及时输出报警信息，提醒巡检人员对反应炉的异常生产状况进行处置，降低不合格硅棒的产出率，提升硅棒所获得的监控效果。
可选的，所述对所述监控图像进行图像分析，获得分析结果，包括：
对所述监控图像进行灰度化处理，获得灰度图像；
对所述灰度图像包括的硅棒图像进行连通域分析，确定所述硅棒图像包括的至少一个黑斑图块；
根据所述至少一个黑斑图块，确定所述监控图像中黑斑区域的数目参数和所述监控图像中黑斑区域的面积参数。
其中，对监控图像进行灰度化处理，一方面是为了便利后续的连通域分析过程，确保连通域分析的准确性；另一方面则是为了对监控图像中存在的背景噪声进行滤除。
示例性的，对所述灰度图像包括的硅棒图像进行连通域分析，确定所述硅棒图像包括的至少一个黑斑图块的过程可以为：
对所述灰度图像进行第一连通域分析，确定所述灰度图像包括的硅棒图像；
对所述灰度图像包括的硅棒图像进行反向二值化处理和第二连通域分析，确定所述硅棒图像包括的至少一个黑斑图块。
在上述过程中，先确定所述灰度图像包括的硅棒图像是为了避免背景图块带来的干扰，提高黑斑图块的提取效率和提取准确度。
对所述灰度图像包括的硅棒图像进行反向二值化处理的过程可以为，将所述灰度图像包括的硅棒图像中每一像素块的像素值与像素阈值进行比较，并将大于像素阈值的像素块的像素值设为0(即黑色)，而将小于或等于像素阈值的像素块的像素值设为255(即白色)。
在第二连通域分析过程中，相邻的多个0值像素块将被确定为一个黑斑图块，此时可相应获得所述监控图像中黑斑区域的数目参数，而后通过统计每一黑斑图块包括的像素块数量，即可确定所述监控图像中黑斑区域的面积参数。
可选的，所述方法还包括：
对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据；
根据所述检测信号数据与所述基准光信号对应的基准信号数据之间的差异，确定光衰参数，其中，所述光衰参数用于表征所述基准光信号的光能量衰减幅度；
在所述光衰参数大于或等于光衰阈值的情况下，生成雾化信息。
需要指出的是，在还原车间中存在多个反应炉，也即存在多个硅棒反应炉，对于前述多个反应炉来说，每一反应炉内设置有至少一个参照设备。
示例性的，所述参照设备可以为设置于反应炉内的红外线发射器。
还原车间内设置有至少一个巡检机器人，所述巡检机器人根据预设置的巡检路线依次对还原车间内的多个反应炉进行巡视，在巡检机器人移动至目标巡检位置(即巡检机器人上所携带信号接收组件与反应炉的视镜相对的位置)时，巡检机器人将对反应炉内的参照设备在当前时刻所发出的基准光信号进行接收，并基于实际接收的光信号形成检测信号数据，所述检测信号数据至少包括所述巡检机器人所接收光信号的光能量。
需要指出的是，还原车间内除了设置至少一个巡检机器人外，还设置有中控服务器，中控服务器与巡检机器人通讯连接并构成巡检系统；巡检机器人会将巡检过程中检测的多个检测信号数据上传至中控服务器进行存储和数据处理。
所述基准信号数据至少包括所述基准光信号发射时的光能量，在基准光信号的传输过程中，受反应炉内的硅粉干扰，基准光信号的光能量会逐渐衰减，且随着反应炉内的硅粉弥散程度的加剧，基准光信号的光能量衰减幅度也将增加，因此，利用基准光信号的光能量衰减幅度与反应炉内的硅粉弥散程度呈正相关关系的特性，可通过计算光衰参数的方式，间接确定反应炉的硅粉弥散程度。
上述光衰参数的确定操作，可以由巡检机器人执行，也可以由中控服务器执行，应用中，优选采用中控服务器计算得到所述光衰参数，以降低巡检机器人的能耗，延长巡检机器人的使用寿命。
在光衰参数大于或等于光衰阈值的情况下，即指示反应炉内的硅粉弥散程度超过临界标准，此时可判定反应炉内存在雾化状况，也即输出雾化信息，以指引巡检人员对存在雾化问题的反应炉进行及时处置。
需要强调的是，通过雾化信息和用于指示雾化问题的报警信息的双重监控，可降低漏判雾化问题的概率，提升对反应炉雾化监测的准确性。
进一步的，所述生成雾化信息之后，所述方法还包括：
根据所述光衰参数和预设置的转换系数，确定调整参数；
根据所述调整参数，对所述反应炉的输入原料的输入量进行调整。
在雾化问题存在时，可采用降低反应炉内的硅物质的输入量的方式，以对雾化状况进行处置，因此，所述转换系数应理解为，基准光信号的光能量衰减幅度与硅物质的输入量的降幅之间的关联系数，转换系数可通过拟合不同雾化状况下对应硅物质输入量的降幅与光能量衰减幅度之间的关联关系得到；前述硅物质可理解为三氯氢硅。
调整反应炉的输入原料的输入量的过程可以为：基于调整参数所指示的硅物质的输入量的降幅，对反应炉的硅物质的输入量进行降低，例如，将反应炉内的三氯氢硅的输入量下调200kg/h。
需要指出的是，上述调整操作可以由中控服务器下发第一雾化调控指令给巡检机器人，经由巡检机器人执行完成；也可以由中控服务器下发第二雾化调控指令给反应炉的输入原料的控制组件，经由所述控制组件执行完成。
如上，通过在反应炉内设置参照设备，采集参照设备所发出基准光信号的检测信号数据，并比较检测信号数据和基准信号数据之间的差异，以确定当前时刻反应炉内的光衰参数，在光衰参数大于或等于光衰阈值的情况下，即可认定反应炉内存在雾化状况，通过应用转换系数对所获得光衰参数进行处理，以确定用于调整反应炉的输入原料的输入量的调整参数，抑制反应炉内的雾化情况；相较于人工巡检的方式来说，应用上述自动化检测雾化状况并处置的方式，可规避人为因素的干扰，提升反应炉在雾化监控方面所获得的监控效果。
可选的，所述根据所述调整参数，对所述反应炉的输入原料的输入量进行调整之后，所述方法还包括：
获取所述参照设备在第一检测时刻发出的基准光信号对应的第一光衰值、以及所述参照设备在第二检测时刻发出的基准光信号对应的第二光衰值；
将所述第一光衰值和所述第二光衰值之间的差值确定为光衰变化参数；
在所述光衰变化参数小于或等于变化阈值的情况下，生成雾化警报，所述雾化警报用于指示所述反应炉的位置。
如上，在确定反应炉内存在雾化状况，且基于预设逻辑对反应炉内的雾化装置进行处置后，也即根据所述调整参数对所述反应炉的输入原料的输入量进行调整后，为观测调控手段是否有效解决的反应炉内的雾化状况，巡检机器人会在反应炉的巡检位置停留，停留时间为预设时间(例如：1分钟、3分钟等)，在停留过程中，巡检机器人将获取参照设备在第一检测时刻发出的基准光信号并形成第一信号数据，以及参照设备在第二检测时刻发出的基准光信号并形成第二信号数据。
通过比较第一信号数据和基准信号数据之间的差异，可确定前述第一光衰值，也即参照设备在第一检测时刻所发出基准光信号的光能量衰减幅度；同理，通过比较第二信号数据和基准信号数据之间的差异，可确定前述第二光衰值，也即参照设备在第二检测时刻所发出基准光信号的光能量衰减幅度。
需要说明的是，前述第一检测时刻和所述第二检测时刻为前述预设时间内的任意两个不同的时刻。
将第一光衰值和第二光衰值之间的差值确定为光衰变化参数，若光衰变化参数小于或等于变化阈值，则指示反应炉的雾化状况在调整后的改善效果不佳，因此需通过生成雾化警报的方式，指示巡检人员前往反应炉处进行人工处置。若光衰变化参数大于所述变化阈值，则指示反应炉的雾化状况在调整后的改善效果符合预期，因此，巡检机器人将离开反应炉的巡检位置，并基于预设的巡检程序对前述多个反应炉进行依次巡检。
需要说明的是，在应用中，雾化警报可以采用蜂鸣器蜂鸣、指示灯亮、指示灯闪烁、语音播报等措施中的至少一种实现，本申请实施例对此并不加以限定。
可选的，所述对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据之前，所述方法还包括：
对所述参照设备在初始时刻发出的基准光信号的进行检测，得到测试信号数据，所述初始时刻为所述反应炉的启动时刻；
根据所述测试信号数据对所述基准信号数据进行更新。
如上所述，在反应炉进行单次硅还原反应之前，可以采集测试信号数据，并利用测试信号数据对基准信号数据进行更新，以适配实际应用中，视镜模糊导致的光能量衰减或参照设备故障导致的光能量衰减，确保后续所获得的光衰参数能具备较高的准确性。
需要指出的是，前述初始时刻和当前时刻位于同一次硅还原反应的时间周期中。也就说是，优选在进行一次硅还原反应之前，即获取一次测试信号数据，并将所获取的最新的测试信号数据作为基准信号数据应用，以保障每次所计算的光衰参数具备较高的准确性。
可选的，所述对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据之前，所述方法还包括：
向所述参照设备发送检测指令，以使所述参照设备基于所述检测指令发出所述基准光信号。
如上所述，经由巡检机器人或中控服务器控制参照设备的基准光信号的发出动作，以适配实际应用中巡检机器人前往每个反应炉的巡检时间不固定的情况，即仅在巡检机器人位于目标巡检位置时，参照设备才发出所述基准光信号，这不仅能规避巡检机器人的巡视时间与参照设备的基准光信号发出时间不匹配的问题，还能极大降低参照设备的基准光信号的发出次数，因此能降低参照设备的能耗，提升参照设备的使用寿命。
可选的，所述输出报警信息之后，所述方法还包括：
在所述第一相似参数小于或等于第三阈值的情况下，根据所述监控图像和至少两个雾化图像组，获得至少两个第二相似参数，所述至少两个第二相似参数与所述至少两个雾化图像组一一对应，其中，所述至少两个雾化图像组分别指示所述反应炉的不同雾化程度，所述第二相似参数用于表征对应的雾化图像组与所述监控图像之间的图像相似度；
在所述至少两个雾化图像组中确定目标雾化图像组，其中，所述目标雾化图像组对应的第二相似参数为所述至少两个第二相似参数中数值最大的相似参数；
输出所述目标雾化图像组关联的雾化警示信息。
反应炉的雾化程度存在差异，例如，存在轻度雾化、中度雾化、重度雾化三类，通过收集不同类别雾化程度所对应的雾化图像，即可形成前述至少两个雾化图像组，需要强调的是，每一雾化图像组所包括的雾化图像的数量可以相同，也可以不同；对于任一雾化图像组来说，其内所包括的雾化图像的数量大于或等于1。
雾化图像组对应的第二相似参数可理解为，雾化图像包括的多个雾化图像分别与监控图像进行图像相似度计算所分别获得多个相似值的均值。举例来说，若设定某一雾化图像组包括一号雾化图像、二号雾化图像和三号雾化图像，其中，一号雾化图像和监控图像之间的图像相似值为A1，二号雾化图像和监控图像之间的图像相似值为A2，三号雾化图像和监控图像之间的图像相似值为A3，则该雾化图像组对应的相似参数为(A1+A2+A3)÷3。
在一些实施方式中，在输出雾化警示信息后，可根据雾化警示信息中携带的雾化处理指令，触发预设置的处理流程对反应炉内的雾化状况进行自动化处置。
在一些实施方式中，在输出雾化警示信息后，也可以向用户反馈所述雾化警示信息，以使用户根据雾化警示信息确定所述反应炉的位置，并对所述反应炉的雾化状况进行及时处置。
可选的，所述输出所述目标雾化图像组关联的雾化警示信息之后，所述方法还包括：
根据所述雾化警示信息，确定所述反应炉的调控信息；
根据所述调控信息对所述反应炉的反应参数进行调控；
其中，所述反应参数包括电流值、氢气输入量和三氯氢硅输入量的比值中的至少一项。
可以将雾化警示信息对应的历史调控信息确定为所述反应炉的调控信息，也可以参照雾化警示信息对应的历史调控信息确定所述反应炉的调控信息。
示例性的，在雾化警示信息指示反应炉当前雾化状况与轻度雾化状况较为相似的情况下，调控信息可以仅指示调整氢气输入量和三氯氢硅输入量的比值；而在雾化警示信息指示反应炉当前雾化状况与中重度雾化状况较为相似的情况下，调控信息不仅会指示调整氢气输入量和三氯氢硅输入量的比值，还会指示对反应炉的电流值进行降低(可通过停加电流的方式实现)。
可选的，所述获取反应炉的监控图像之后，所述方法还包括：
对所述监控图像进行二值化处理，获得二值图像；
根据所述二值图像，确定像素间距，其中，所述像素间距用于表征对应第一硅棒的像素区域和对应第二硅棒的像素区域之间的最短距离，所述第一硅棒和所述第二硅棒为所述反应炉内相邻设置的两个硅棒；
根据修正参数对所述像素间距进行修正，获取第一间距，其中，所述修正参数用于表征所述监控图像中单位像素块对应的物理长度，所述第一间距用于表征当前时刻所述第一硅棒和所述第二硅棒之间的间距；
根据所述硅棒间距和初始间距，确定目标参数，其中，所述初始间距用于表征初始时刻所述第一硅棒和所述第二硅棒之间的间距，所述初始时刻为所述反应炉的启动时刻，所述目标参数用于表征当前时刻所述反应炉内的硅棒直径。
其中，所述第一硅棒和第二硅棒可理解为反应炉包括的多个硅棒中距离反应炉视镜最近的两个硅棒。
示例性的，反应炉中的多个硅棒的布设情况可以如图2(图2中阴影圆圈用于指示反应炉内的硅棒)所示，图2中虚线框所圈中的两个硅棒分别为第一硅棒和第二硅棒。
如上，通过对监控图像进行图像分析，获得当前时段第一硅棒和第二硅棒在监控图像内的第一间距，并比较初始间距和第一间距之间的差异，以确定目标参数的自动化监测方式，替代人工目视的监测方式，避免人为因素的干扰，使所监测得到的硅棒直径具备较高的准确性，提升对硅棒直径变化速率的监测效果。
需要说明的是，随着硅棒的生长(也即硅棒的直径增长)，第一硅棒和第二硅棒之间的间距会逐渐缩短，因此，第一间距小于或等于所述初始间距。
示例性的，可以通过初始间距减去第一间距，以获得间距差值，也即第一硅棒或第二硅棒的直径增长量，应用该直径增长量除以时间差值(即初始时段和当前时段之间的时间差)，即可获得第一硅棒或第二硅棒的直径增长速率，应用该直径增长量加上硅芯的直径，即可获得第一硅棒或第二硅棒在当前时段的直径。
示例性的，获得二值图像的过程可以为：
对所述监控图像进行灰度处理，获得灰度图像，将所述灰度图像包括的硅棒图像中每一像素块的像素值与像素阈值进行比较，并将大于像素阈值的像素块的像素值设为0(即黑色)，而将小于或等于像素阈值的像素块的像素值设为255(即白色)，以形成所述二值图像。
在获得前述二值图像后，基于特征识别算法(也可应用目标检测算法)，在前述二值图像中确定对应所述第一硅棒的像素区域和对应所述第二硅棒的像素区域，之后，根据所述第一硅棒的像素区域和对应所述第二硅棒的像素区域确定所述像素间距。
在一示例中，可以将多个点间距中最小的点间距确定为所述像素间距，其中，多个点间距中的每一点间距用于指代第一目标点和第二目标点之间的间距，所述第一目标点为对应所述第一硅棒的像素区域中的任一像素点，所述第二目标点为对应所述第二硅棒的像素区域中的任一像素点。
举例来说，若对应所述第一硅棒的像素区域包括N个像素点，对应所述第二硅棒的像素区域包括M个像素点，则可获得N×M个点间距。
在另一示例中，可以将平行的第一边缘线和第二边缘线之间的距离确定为所述像素间距，其中，第一边缘线为对第一像素区域靠近的第二像素区域的一侧边缘进行拟合获得的直线，第二边缘线为对第二像素区域靠近的第一像素区域的一侧边缘进行拟合获得的直线，第一像素区域为对应第一硅棒的像素区域，第二像素区域为对应第二硅棒的像素区域。
由于硅棒的设置位置偏差、图像的拍摄角度偏差、光线折射等因素的干扰，使得前述像素间距与当前时段中第一硅棒和第二硅棒的物理距离存在偏差，因此，在获得像素间距后，会基于修正参数对像素间距进行数据修正，以使所获得第一间距具备较优的数据准确度。
可选的，所述根据所述二值图像，确定像素间距，包括：
对所述二值图像进行特征识别，确定第一像素点集和第二像素点集，其中，所述第一像素点集为所述第一硅棒的靠近所述第二硅棒的边缘部分对应的像素点集合，所述第二像素点集为所述第二硅棒的靠近所述第一硅棒的边缘部分对应的像素点集合；
根据所述第一像素点集和所述第二像素点集，确定像素间距。
在一些实施方式中，获得第一像素点集和第二像素点集后，可以基于直线拟合的方式，根据第一像素点集和第二像素点集分别确定第一边缘线和第二边缘线，随后将第一边缘线和第二边缘线之间的距离确定为所述像素间距。
在另一些实施方式中，获得第一像素点集和第二像素点集后，也可以对像素点集中多个像素点进行均值计算的方式，获得第一中心点，同理基于均值计算的方式获得第二像素点集的第二中心点，随后将第一中心点和第二中心点之间的距离确定为所述像素间距。
可选的，所述根据所述第一像素点集和所述第二像素点集，确定像素间距，包括：
计算位于同一像素高度的第一像素点和第二像素点之间的点间距，其中，所述第一像素点为所述第一像素点集中的任一像素点，所述第二像素点为所述第二像素点集中的任一像素点；
将多个像素高度分别对应的点间距的均值确定为所述像素间距。
通过获取多个像素高度中每一像素高度对应的点间距，并计算多个点间距之间的平均值，以提升所获得像素间距的准确度。
其中，多个像素高度所对应的像素区间为第一像素点集对应的像素区间和第二像素点集对应的像素区间的交集，例如，若第一像素点集对应的像素区间为[50，105]，第一像素点集对应的像素区间为[60，125]，则多个像素高度所对应的像素区间为[60，105]。
如上，先基于多个像素高度所对应的像素区间的设置，以过滤硅棒端部对应的多个像素点造成的数据干扰(硅棒端部的直径增长速率较硅棒整体的直径增长更快，且硅棒端部处的硅晶体长势不一，存在较为明显的凹凸区域)，再应用均值计算的方式，确保所获得像素间距可准确指示第一硅棒和第二硅棒当前时段内在监控图像中的间距。
可选的，所述根据修正参数对所述像素间距进行修正，获得第一间距之前，所述方法还包括：
获取所述反应炉在初始时段的校正图像；
对所述校正图像进行图像分析，获得硅芯目标间距，其中，所述硅芯目标间距用于表征对应所述第一硅棒硅芯的像素点集和对应所述第二硅棒硅芯的像素点集之间的间距；
根据硅芯基准间距和所述硅芯目标间距，确定所述修正参数，其中，所述硅芯基准间距用于表征所述第一硅棒硅芯和所述第二硅棒硅芯之间的物理距离。
由于第一硅棒的设置位置和第二硅棒的设置位置相对固定，因此，在获取监控图像之前，可测算得到所述硅芯基准间距；之后，通过对初始时段的校正图像进行图像分析，以获得硅芯目标间距，也即校正图像中第一硅棒硅芯和第二硅棒硅芯的像素距离，通过硅芯基准间距除以硅芯目标间距，即可获得前述修正参数。
应用中，优选设置每一次开炉生产时即对所述修正参数进行重新测算，以减轻硅芯放置误差、光线干扰等因素的不利影响，进一步提升后续所获得目标参数的准确度。
可选的，所述初始间距根据初始时刻获取的第一参考图像确定，所述第一参考图像占用的内存空间和所述监控图像占用的内存空间均大于或等于内存阈值。
针对图像采集设备在初始时段的单次采集过程中会采集多张原始图像的情况，经由在所采集多张原始图像确定多个参考图像的方式，滤除多张原始图像中清晰度低的原始图像(也即滤除内存空间小于内存阈值的原始图像)，而后将多个参考图像中采集时间最早的参考图像确定为所述第一参考图像(也即校正图像)，以降低硅晶体在硅芯表面沉降带来的直径干扰，使所确定修正参数具备较高的准确度。
示例性的，上述内存阈值可以为50kb，实际应用中，也可以根据实际需求对所述内存阈值进行适应性调整，本申请实施例对内存阈值的具体取值并不加以限定。
为方便理解，示例说明如下：
在初始时段，设定测算得到的硅芯基准间距为L1，将采集时间最早且图像大小超过50Kb的原始图像确定为第一参考图像，对第一参考图像进行图像分析，获得校正图像中第一硅棒硅芯和第二硅棒硅芯之间的硅芯目标间距a，此时可计算得到修正参数rate＝L1÷a。
在当前时段，对图像大小超过50Kb的监控图像进行图像分析，获得监控图像中第一硅棒和第二硅棒之间的第一间距b，此时可计算得到当前时段第一硅棒和第二硅棒之间的物理间距L2＝b×rate。
如图3所示，在假定反应炉内每一硅棒的生长状况均相同的情况下，可计算得到目标参数R＝(L1-L2)+r，其中，r用于指示硅棒的硅芯直径。
可选的，所述获取反应炉的监控图像之后，所述方法还包括：
将所述监控图像包括的硅棒图像和第二参考图像进行图像相似度比较，获得比较结果，其中，所述第二参考图像用于表征疏松料硅棒；
在所述比较结果指示所述反应炉内包括疏松料硅棒的情况下，对所述监控图像包括的硅棒图像进行连通域分析，确定N个间隙图块，所述间隙图块用于指示硅棒表面的多个硅颗粒之间的间隙，N为正整数；
根据M个间隙图块的图块面积确定所述反应炉内硅棒的质量信息，其中，所述M个间隙图块为所述N个间隙图块中图块面积从大到小排列的前M个间隙图块。
如上，在比较结果指示待检测硅棒为疏松料硅棒的情况下，可以通过对监控图像作进一步分析，以判别待检测硅棒的疏松状况，并相应生成警示信息，以指导工作人员对待检测硅棒进行匹配待检测硅棒疏松状况的处置措施。
在对所述监控图像包括的硅棒图像进行连通域分析之前，可以通过对监控图像进行动态阈值二值化处理，以过滤监控图像中包括的部分图像噪声，提升之后所进行的连通域分析的分析准确度。
如图4所示，经过动态阈值二值化处理后，可对监控图像包括的硅棒图像内的间隙图块进行清楚显示，图4中虚线框所示出图块即为间隙图块，所示间隙图块用于指示疏松料硅棒表面各颗粒之间的颗粒间隙。
需要指出的是，实际应用中，经过动态阈值二值化处理后，间隙图块应为白色图块，非间隙图块的区域部分则为黑色图块。
示例性的，在N大于或等于5的情况下，M的具体数值可以为5。
根据M个间隙图块的图块面积确定所述待检测硅棒的质量信息的过程可以为：
计算M个间隙图块的图块面积的平均值，以获得均值参数；
将均值参数与基准参数之比确定为质量参数；
根据质量参数生成所述质量信息。
其中，基准参数可理解为疏松料硅棒表面各颗粒之间的颗粒间隙所能达到的最大间隙面积，在所述质量参数小于或等于35％的情况下，所述质量信息用于指示所述待检测硅棒的菜花状况处于前期阶段；在所述质量参数为35％－65％的情况下，所述质量信息用于指示所述待检测硅棒的菜花状况处于中期阶段；在所述质量参数为65％－85％的情况下，所述质量信息用于指示所述待检测硅棒的菜花状况处于后期阶段；在所述质量参数大于85％的情况下，所述质量信息用于指示所述待检测硅棒的菜花状况处于末期阶段。
可选的，所述获取反应炉的监控图像，包括：
在所述反应炉的红外图像指示所述第一位置的温度与所述反应炉内的硅棒平均温度之差大于或等于温差阈值的情况下，和/或，在所述反应炉的硅粉含量的增幅速率大于或等于增速阈值的情况下，获取反应炉的监控图像。
如上，由于红外图像的图像分析难度较监控图像的图像分析难度更低，所耗费的计算资源更少，因此，通过红外相机周期性获取红外图像，并对红外图像进行图像分析，仅在红外图像分析结果指示所述第一位置的温度与所述硅棒的平均温度之差大于或等于温度差值的情况下，才继续采集监控图像的方式，可降低监控图像的采集频次，进而降低硅棒亮点监测过程中的能耗，使硅棒亮点监测的成本降低。
需要说明的是，所述第一位置的温度可通过统计前述预设区间在红外图像中的光谱能量的均值获得，所述硅棒的平均温度可通过统计硅棒对应的目标区间在红外图像中的光谱能量的均值获得。
至于反应炉的硅粉含量，则可通过反应炉内预设置的硅粉含量传感器实时或周期性采集得到，例如，可以将硅粉含量传感器设置于反应炉的尾气管中，硅粉含量传感器可将反应炉的硅粉含量转换为电子信号(如电压信号/电流信号等)，随着反应炉内硅粉含量的升高，硅粉含量传感器对应输出的电子信号也会相应增高。
需要指出的是，在反应炉单次应用过程中，无雾化状态时，反应炉内的硅粉含量会有序升高，而随着雾化状况的出现，反应炉内的硅粉含量会出现激增的情况，基于上述雾化状况与反应炉内的硅粉含量的关联特性，可采用了监测反应炉的硅粉含量的增幅速率的方式，来对初步判定反应炉内是否存在雾化状况。
具体的，对反应炉的单次反应时间(一般为100小时，实际中也可根据实际需求进行适应性调整)进行均分处理，获得N个监测周期，在某一监测周期结束后，即相应计算该监测周期内反应炉的硅粉含量的增幅速率，并将所计算的增幅速率与增速阈值进行比较，在所计算的增幅速率大于或等于增速阈值时，则生成雾化预警信息。示例性的，若设定反应炉的单次反应时间为100小时，N的取值为3600，则每一监测周期的时间长度为1分钟；应用中，随着N的数值增加，所生成的雾化预警信息的时效性也会相应增加。
上述增速阈值可由用户根据经验确定，也可以通过统计反应炉处于雾化状态下的硅粉含量的第一增速和反应炉处于非雾化状态下的硅粉含量的第二增速确定，此时所确定的增速阈值大于所述第二增速，且小于所述第一增速。
可选的，所述输出报警信息之后，所述方法还包括：
在所述高亮像素点的像素坐标位于预设区间内的情况下，将所述高亮像素点的像素值与多个参考点的像素值分别进行相似度比较，获得多个第三相似参数，所述多个第三相似参数和所述多个参考点一一对应，所述多个参考点中的每一参考点对应一个温度区间的硅棒亮点；
将数值最大的所述第三相似参数对应的参考点确定为目标点；
根据所述目标点的亮点信息，确定位于所述预设区间的高亮像素点的亮点信息，其中，所述亮点信息包括对应的硅棒亮点的温度信息、以及对应的硅棒亮点的处理流程信息。
应用中，不同温度区间的硅棒亮点在图像所对应的像素值不同，且处理流程也有所差异，因此，通过在历史生产时期内收集不同温度对应的参考点信息以及对应的处理流程信息，并将当前生产时期内所确定异常点与参考点进行相似度比较，以确定与当前生产时期内所确定异常点最为接近的参考点，也即确定目标点，随后参照目标点的亮点信息，相应确定异常点的亮点信息。
基于上述方式，可以有效简化当前生产时期内所确定异常点的亮点信息确定流程，提升异常点的处理效率，使异常点所对应硅棒亮点带来的不利影响进一步降低。
需要说明的是，在一示例中，可以将目标点的亮点信息直接作为异常点的亮点信息使用；而在另一示例中，可以将目标点的亮点信息作为异常点的亮点信息的初始模板使用，令用户可根据实际情况对该初始模板进行修订或增删，以使所确定异常点的亮点信息与实际的硅棒亮点的温度以及处理流程相适配。
上述处理流程包括但不限于：改变反应炉内的温度值、改变反应炉内氢气和三氯氢硅的比值、改变反应炉内氢气输入量、改变反应炉内的电流值、改变反应炉内的三氯氢硅输入量以及停炉处理。
在一些可选的实施方式中，也可以将每一参考点对应的灰度图像与第一参考图像对应的灰度图像进行图像相似度比较，并获得每一参考点对应的灰度图像的图像相似参数，而后在多个图像相似参数将数值最大的图像相似参数对应的参考点确定为目标点。
可选的，根据所述目标点的亮点信息，确定位于所述预设区间的高亮像素点的亮点信息之后，所述方法还包括：
在所述多个第三相似参数均小于或等于相似阈值的情况下，将所述高亮像素点作为新的参考点进行存储。
如上所述，在将异常点和多个参考点进行比较，并获得多个参考点中每一参考点对应的相似参数后，若所获得多个相似参数均小于或等于相似阈值，即当前生产时期所采集的异常点及监控图像与数据库存储的多个参考点的数据存在较大差异，此时可通过将所述异常点作为新的参考点存储于数据库内，以迭代式丰富数据库内存储的参考点数据，使后续所确定的异常点的亮点信息的数据准确性得到进一步提升。
可选的，所述方法还包括：
获取所述反应炉所在还原车间内的氢气浓度和氯化氢浓度；
当所述氢气浓度大于第一预设浓度值和/或所述氯化氢浓度大于第二预设浓度值时，输出气体泄漏信息。
示例性的，巡检机器人包括行走机构和机械臂，监测氢气和氯化氢浓度的气体传感器可以设置在行走机构上，也可以设置在机械臂上。
进一步地，设置在机械臂上可以更好的检测反应炉的泄露情况，因为机械臂需要伸向反应炉上的视镜处，气体传感器设置在机械臂上的同时，可以是气体传感器靠近视镜，而视镜本身就是检测反应炉是否发生气体泄露的关键部位。
在本申请实施例中，通过监测还原车间内的氢气浓度和氯化氢浓度；当氢气浓度大于第一预设浓度值和/或氯化氢浓度大于第二预设浓度值时，输出气体泄漏信息，以指示出现泄漏情况的反应炉位置和泄露状况，确保还原车间的安全作业。
可选的，所述方法还包括：
获取巡检机器人的初始巡检路线和反应炉的运行状态信息，所述运行状态信息包括反应炉的启停数据；
根据所述初始巡检路线和所述运行状态信息，确定所述巡检机器人的第一巡检路线，所述第一巡检路线上包括按次序排列的P个待巡检点，P为大于1的整数，每一所述待巡检点对应一个处于启动状态的反应炉；
基于所述第一巡检路线，控制所述巡检机器人在所述P个待巡检点之间依次停留。
需要进行说明的是，初始巡检路线上的待巡检点的数量可以与还原车间在反应炉的数量相一致，且待巡检点与反应炉一一对应设置。
需要进行说明的是，根据初始巡检路线和运行状态信息确定第一巡检路线，是通过获知初始巡检路线上每一待巡检点对应的反应炉的运行状态信息，例如每一待巡检点对应的反应炉处于启动状态还是处于停止状态，保留对应的反应炉处于启动状态下的待巡检点，再将这些对应的反应炉处于启动状态下的待巡检点规划起来得到第一巡检路线。
进一步地，第一巡检路线对应的第一停留监测顺序，第一停留监测顺序表示第一巡检路线上的待巡检点之间具有的停留检测顺序。
应理解，巡检机器人调度平台获取到的初始巡检路线和还原车间内的反应炉的运行状态信息确定出第一巡检路线，机器调度平台按照第一巡检路线控制巡检机器人在还原车间内进行巡检；这样利用规划的具有先后监测顺序的路线进行监测，对需要监测的反应炉进行监测，对需要优先监测的反应炉优先监测，从而实现及时监测还原车间内多个反应炉内产品的运行状态。
可选的，所述基于所述第一巡检路线，控制所述巡检机器人在所述P个待巡检点之间依次停留之后，所述方法还包括：
在所述第一巡检路线与障碍区域重叠的情况下，根据所述障碍区域、所述初始巡检路线和所述运行状态信息确定第二巡检路线，所述第二巡检路线上包括所述P个待巡检点中的至少部分待巡检点，且所述第二巡检路线不包括所述障碍区域，其中，所述障碍区域为阻碍所述巡检机器人移动的障碍物对应的区域；
按照所述第二巡检路线，控制所述巡检机器人继续巡检。
如上，通过检测第一巡检路线是否存在阻碍巡检机器人移动的障碍区域；并在第一巡检路线与障碍区域至少部分重叠的情况下，在排除阻碍区域的前提下，根据初始巡检路线和运行状态信息确定第二巡检路线，以使巡检机器人在巡检过程中避开障碍物，提高巡检时的工作效率和安全性。
进一步的，所述障碍区域根据所述障碍物的移动速度和/或所述障碍物的体积确定。
如上，在障碍物为静止的物体时，基于障碍物的体积即可确定障碍区域的大小；而在障碍物为运动中的物体时，则需根据障碍物的移动速度以及障碍物的体积，来共同确定障碍物对应的障碍区域，以降低巡检机器人与障碍物发生碰撞的概率，保障巡检机器人的使用安全。
在一些示例中，获取障碍物的移动速度可以根据巡检机器人本体上安装红外传感器获得，也可以根据巡检机器人本体上安装雷达传感器获取，还可以根据巡检机器人本体上安装的摄像头获得。
当在巡检机器人本体上安装红外传感器时，红外传感器可以是两个，也可以是多个。当红外传感器的数量为两个时，两个红外传感器间隔一定距离设置。
当在巡检机器人本体上安装摄像头时，巡检机器人获取其行进路线上的图像信息，再利用帧间差分法，去计算其行进路线上障碍物的移动速度。
参见图5，图5是本申请实施例提供的多晶硅监控装置500的结构示意图，如图5所示，多晶硅监控装置500包括：
图像获取模块501，用于获取反应炉的监控图像；
图像分析模块502，用于对所述监控图像进行图像分析，获得分析结果；
报警模块503，用于在所述分析结果满足报警条件的情况下，输出报警信息；
其中，所述报警条件包括以下至少一项：
所述监控图像中黑斑区域的数目参数大于或等于第一阈值；
所述监控图像中黑斑区域的面积参数大于或等于第二阈值；
所述监控图像对应的第一相似参数小于或等于第三阈值，所述第一相似参数用于表征所述监控图像和基准图像之间的图像相似度，所述基准图像为所述反应炉内在无雾化的状态下采集的图像；
所述监控图像包括的高亮像素点位于预设区间内，所述预设区间用于表征第一位置在所述监控图像内对应的像素区间，所述第一位置为所述反应炉内用于放置硅棒的位置，所述高亮像素点为所述监控图像中对应像素值大于像素阈值的像素点。
可选的，所述图像分析模块502，包括：
灰度处理子模块，用于对所述监控图像进行灰度化处理，获得灰度图像；
连通域分析子模块，用于对所述灰度图像包括的硅棒图像进行连通域分析，确定所述硅棒图像包括的至少一个黑斑图块；
黑斑定位子模块，用于根据所述至少一个黑斑图块，确定所述监控图像中黑斑区域的数目参数和所述监控图像中黑斑区域的面积参数。
可选的，所述装置500还包括：
光信号检测模块，用于对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据；
光衰确定模块，用于根据所述检测信号数据与所述基准光信号对应的基准信号数据之间的差异，确定光衰参数，其中，所述光衰参数用于表征所述基准光信号的光能量衰减幅度；
雾化警示模块，用于在所述光衰参数大于或等于光衰阈值的情况下，生成雾化信息。
可选的，所述装置500还包括：
调参确定模块，用于根据所述光衰参数和预设置的转换系数，确定调整参数；
反应炉调控模块，用于根据所述调整参数，对所述反应炉的输入原料的输入量进行调整。
可选的，所述装置500还包括：
第一复检模块，用于获取所述参照设备在第一检测时刻发出的基准光信号对应的第一光衰值、以及所述参照设备在第二检测时刻发出的基准光信号对应的第二光衰值；
第二复检模块，用于将所述第一光衰值和所述第二光衰值之间的差值确定为光衰变化参数；
复检警示模块，用于在所述光衰变化参数小于或等于变化阈值的情况下，生成雾化警报，所述雾化警报用于指示所述反应炉的位置。
可选的，所述装置500还包括：
基准检测模块，用于对所述参照设备在初始时刻发出的基准光信号的进行检测，得到测试信号数据，所述初始时刻为所述反应炉的启动时刻；
基准更新模块，用于根据所述测试信号数据对所述基准信号数据进行更新。
可选的，所述装置500还包括：
指令传输模块，用于向所述参照设备发送检测指令，以使所述参照设备基于所述检测指令发出所述基准光信号。
可选的，所述装置500还包括：
雾化程度分析模块，用于在所述第一相似参数小于或等于第三阈值的情况下，根据所述监控图像和至少两个雾化图像组，获得至少两个第二相似参数，所述至少两个第二相似参数与所述至少两个雾化图像组一一对应，其中，所述至少两个雾化图像组分别指示所述反应炉的不同雾化程度，所述第二相似参数用于表征对应的雾化图像组与所述监控图像之间的图像相似度；
雾化程度判定模块，用于在所述至少两个雾化图像组中确定目标雾化图像组，其中，所述目标雾化图像组对应的第二相似参数为所述至少两个第二相似参数中数值最大的相似参数；
雾化处理模块，用于输出所述目标雾化图像组关联的雾化警示信息。
可选的，所述装置500还包括：
第一雾化调控模块，用于根据所述雾化警示信息，确定所述反应炉的调控信息；
第二雾化调控模块，用于根据所述调控信息对所述反应炉的反应参数进行调控；
其中，所述反应参数包括电流值、氢气输入量和三氯氢硅输入量的比值中的至少一项。
可选的，所述装置500还包括：
图像二值处理模块，用于对所述监控图像进行二值化处理，获得二值图像；
间距确定模块，用于根据所述二值图像，确定像素间距，其中，所述像素间距用于表征对应第一硅棒的像素区域和对应第二硅棒的像素区域之间的最短距离，所述第一硅棒和所述第二硅棒为所述反应炉内相邻设置的两个硅棒；
间距修正模块，用于根据修正参数对所述像素间距进行修正，获取第一间距，其中，所述修正参数用于表征所述监控图像中单位像素块对应的物理长度，所述第一间距用于表征当前时刻所述第一硅棒和所述第二硅棒之间的间距；
硅棒参数确定模块，用于根据所述硅棒间距和初始间距，确定目标参数，其中，所述初始间距用于表征初始时刻所述第一硅棒和所述第二硅棒之间的间距，所述初始时刻为所述反应炉的启动时刻，所述目标参数用于表征当前时刻所述反应炉内的硅棒直径。
可选的，所述间距确定模块，包括：
特征识别子模块，用于对所述二值图像进行特征识别，确定第一像素点集和第二像素点集，其中，所述第一像素点集为所述第一硅棒的靠近所述第二硅棒的边缘部分对应的像素点集合，所述第二像素点集为所述第二硅棒的靠近所述第一硅棒的边缘部分对应的像素点集合；
间距确定子模块，用于根据所述第一像素点集和所述第二像素点集，确定像素间距。
可选的，所述间距确定子模块，包括：
点距计算单元，用于计算位于同一像素高度的第一像素点和第二像素点之间的点间距，其中，所述第一像素点为所述第一像素点集中的任一像素点，所述第二像素点为所述第二像素点集中的任一像素点；
间距确定单元，用于将多个像素高度分别对应的点间距的均值确定为所述像素间距。
可选的，所述装置500还包括：
校正图像获取模块，用于获取所述反应炉在初始时段的校正图像；
校正图像分析模块，用于对所述校正图像进行图像分析，获得硅芯目标间距，其中，所述硅芯目标间距用于表征对应所述第一硅棒硅芯的像素点集和对应所述第二硅棒硅芯的像素点集之间的间距；
修正参数确定模块，用于根据硅芯基准间距和所述硅芯目标间距，确定所述修正参数，其中，所述硅芯基准间距用于表征所述第一硅棒硅芯和所述第二硅棒硅芯之间的物理距离。
可选的，所述初始间距根据初始时刻获取的第一参考图像确定，所述第一参考图像占用的内存空间和所述监控图像占用的内存空间均大于或等于内存阈值。
可选的，所述装置500还包括：
图像比较模块，用于将所述监控图像包括的硅棒图像和第二参考图像进行图像相似度比较，获得比较结果，其中，所述第二参考图像用于表征疏松料硅棒；
间隙定位模块，用于在所述比较结果指示所述反应炉内包括疏松料硅棒的情况下，对所述监控图像包括的硅棒图像进行连通域分析，确定N个间隙图块，所述间隙图块用于指示硅棒表面的多个硅颗粒之间的间隙，N为正整数；
质量分析模块，用于根据M个间隙图块的图块面积确定所述反应炉内硅棒的质量信息，其中，所述M个间隙图块为所述N个间隙图块中图块面积从大到小排列的前M个间隙图块。
可选的，所述图像获取模块，具体用于：
在所述反应炉的红外图像指示所述第一位置的温度与所述反应炉内的硅棒平均温度之差大于或等于温差阈值的情况下，和/或，在所述反应炉的硅粉含量的增幅速率大于或等于增速阈值的情况下，获取反应炉的监控图像。
可选的，所述装置500还包括：
像素点比较模块，用于在所述高亮像素点的像素坐标位于预设区间内的情况下，将所述高亮像素点的像素值与多个参考点的像素值分别进行相似度比较，获得多个第三相似参数，所述多个第三相似参数和所述多个参考点一一对应，所述多个参考点中的每一参考点对应一个温度区间的硅棒亮点；
目标点确定模块，用于将数值最大的所述第三相似参数对应的参考点确定为目标点；
亮点信息确定模块，用于根据所述目标点的亮点信息，确定位于所述预设区间的高亮像素点的亮点信息，其中，所述亮点信息包括对应的硅棒亮点的温度信息、以及对应的硅棒亮点的处理流程信息。
可选的，所述装置500还包括：
数据迭代模块，用于在所述多个第三相似参数均小于或等于相似阈值的情况下，将所述高亮像素点作为新的参考点进行存储。
可选的，所述装置500还包括：
气体浓度获取模块，用于获取所述反应炉所在还原车间内的氢气浓度和氯化氢浓度；
漏气警示模块，用于当所述氢气浓度大于第一预设浓度值和/或所述氯化氢浓度大于第二预设浓度值时，输出气体泄漏信息。
可选的，所述装置500还包括：
路线信息获取模块，用于获取巡检机器人的初始巡检路线和反应炉的运行状态信息，所述运行状态信息包括反应炉的启停数据；
第一巡检路线确定模块，用于根据所述初始巡检路线和所述运行状态信息，确定所述巡检机器人的第一巡检路线，所述第一巡检路线上包括按次序排列的P个待巡检点，P为大于1的整数，每一所述待巡检点对应一个处于启动状态的反应炉；
巡检控制模块，用于基于所述第一巡检路线，控制所述巡检机器人在所述P个待巡检点之间依次停留。
可选的，所述装置500还包括：
第二巡检路线确定模块，用于在所述第一巡检路线与障碍区域重叠的情况下，根据所述障碍区域、所述初始巡检路线和所述运行状态信息确定第二巡检路线，所述第二巡检路线上包括所述P个待巡检点中的至少部分待巡检点，且所述第二巡检路线不包括所述障碍区域，其中，所述障碍区域为阻碍所述巡检机器人移动的障碍物对应的区域；
所述巡检控制模块还用于：按照所述第二巡检路线，控制所述巡检机器人继续巡检。
可选的，所述障碍区域根据所述障碍物的移动速度和/或所述障碍物的体积确定。
本申请实施例提供的多晶硅监控装置500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。
请参见图6，图6是本申请实施例提供的一种电子设备的结构示意图，如图6所示，电子设备包括：可以包括处理器601、存储器602及存储在存储器602上并可在处理器601上运行的程序6021。
程序6021被处理器601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可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时可实现上述图1对应的方法实施例中的任意步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
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 (25)
1.一种多晶硅监控方法，其特征在于，所述方法包括：
获取反应炉的监控图像；
对所述监控图像进行图像分析，获得分析结果；
在所述分析结果满足报警条件的情况下，输出报警信息；
其中，所述报警条件包括以下至少一项：
所述监控图像中黑斑区域的数目参数大于或等于第一阈值；
所述监控图像中黑斑区域的面积参数大于或等于第二阈值；
所述监控图像对应的第一相似参数小于或等于第三阈值，所述第一相似参数用于表征所述监控图像和基准图像之间的图像相似度，所述基准图像为所述反应炉内在无雾化的状态下采集的图像；
所述监控图像包括的高亮像素点位于预设区间内，所述预设区间用于表征第一位置在所述监控图像内对应的像素区间，所述第一位置为所述反应炉内用于放置硅棒的位置，所述高亮像素点为所述监控图像中对应像素值大于像素阈值的像素点。
2.根据权利要求1所述的方法，其特征在于，所述对所述监控图像进行图像分析，获得分析结果，包括：
对所述监控图像进行灰度化处理，获得灰度图像；
对所述灰度图像包括的硅棒图像进行连通域分析，确定所述硅棒图像包括的至少一个黑斑图块；
根据所述至少一个黑斑图块，确定所述监控图像中黑斑区域的数目参数和所述监控图像中黑斑区域的面积参数。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据；
根据所述检测信号数据与所述基准光信号对应的基准信号数据之间的差异，确定光衰参数，其中，所述光衰参数用于表征所述基准光信号的光能量衰减幅度；
在所述光衰参数大于或等于光衰阈值的情况下，生成雾化信息。
4.根据权利要求3所述的方法，其特征在于，所述生成雾化信息之后，所述方法还包括：
根据所述光衰参数和预设置的转换系数，确定调整参数；
根据所述调整参数，对所述反应炉的输入原料的输入量进行调整。
5.根据权利要求4所述的方法，其特征在于，所述根据所述调整参数，对所述反应炉的输入原料的输入量进行调整之后，所述方法还包括：
获取所述参照设备在第一检测时刻发出的基准光信号对应的第一光衰值、以及所述参照设备在第二检测时刻发出的基准光信号对应的第二光衰值；
将所述第一光衰值和所述第二光衰值之间的差值确定为光衰变化参数；
在所述光衰变化参数小于或等于变化阈值的情况下，生成雾化警报，所述雾化警报用于指示所述反应炉的位置。
6.根据权利要求3所述的方法，其特征在于，所述对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据之前，所述方法还包括：
对所述参照设备在初始时刻发出的基准光信号的进行检测，得到测试信号数据，所述初始时刻为所述反应炉的启动时刻；
根据所述测试信号数据对所述基准信号数据进行更新。
7.根据权利要求3所述的方法，其特征在于，所述对所述反应炉内的参照设备在当前时刻发出的基准光信号进行检测，获得检测信号数据之前，所述方法还包括：
向所述参照设备发送检测指令，以使所述参照设备基于所述检测指令发出所述基准光信号。
8.根据权利要求1所述的方法，其特征在于，所述输出报警信息之后，所述方法还包括：
在所述第一相似参数小于或等于第三阈值的情况下，根据所述监控图像和至少两个雾化图像组，获得至少两个第二相似参数，所述至少两个第二相似参数与所述至少两个雾化图像组一一对应，其中，所述至少两个雾化图像组分别指示所述反应炉的不同雾化程度，所述第二相似参数用于表征对应的雾化图像组与所述监控图像之间的图像相似度；
在所述至少两个雾化图像组中确定目标雾化图像组，其中，所述目标雾化图像组对应的第二相似参数为所述至少两个第二相似参数中数值最大的相似参数；
输出所述目标雾化图像组关联的雾化警示信息。
9.根据权利要求8所述的方法，其特征在于，所述输出所述目标雾化图像组关联的雾化警示信息之后，所述方法还包括：
根据所述雾化警示信息，确定所述反应炉的调控信息；
根据所述调控信息对所述反应炉的反应参数进行调控；
其中，所述反应参数包括电流值、氢气输入量和三氯氢硅输入量的比值中的至少一项。
10.根据权利要求1所述的方法，其特征在于，所述获取反应炉的监控图像之后，所述方法还包括：
对所述监控图像进行二值化处理，获得二值图像；
根据所述二值图像，确定像素间距，其中，所述像素间距用于表征对应第一硅棒的像素区域和对应第二硅棒的像素区域之间的最短距离，所述第一硅棒和所述第二硅棒为所述反应炉内相邻设置的两个硅棒；
根据修正参数对所述像素间距进行修正，获取第一间距，其中，所述修正参数用于表征所述监控图像中单位像素块对应的物理长度，所述第一间距用于表征当前时刻所述第一硅棒和所述第二硅棒之间的间距；
根据所述硅棒间距和初始间距，确定目标参数，其中，所述初始间距用于表征初始时刻所述第一硅棒和所述第二硅棒之间的间距，所述初始时刻为所述反应炉的启动时刻，所述目标参数用于表征当前时刻所述反应炉内的硅棒直径。
11.根据权利要求10所述的方法，其特征在于，所述根据所述二值图像，确定像素间距，包括：
对所述二值图像进行特征识别，确定第一像素点集和第二像素点集，其中，所述第一像素点集为所述第一硅棒的靠近所述第二硅棒的边缘部分对应的像素点集合，所述第二像素点集为所述第二硅棒的靠近所述第一硅棒的边缘部分对应的像素点集合；
根据所述第一像素点集和所述第二像素点集，确定像素间距。
12.根据权利要求11所述的方法，其特征在于，所述根据所述第一像素点集和所述第二像素点集，确定像素间距，包括：
计算位于同一像素高度的第一像素点和第二像素点之间的点间距，其中，所述第一像素点为所述第一像素点集中的任一像素点，所述第二像素点为所述第二像素点集中的任一像素点；
将多个像素高度分别对应的点间距的均值确定为所述像素间距。
13.根据权利要求10所述的方法，其特征在于，所述根据修正参数对所述像素间距进行修正，获得第一间距之前，所述方法还包括：
获取所述反应炉在初始时段的校正图像；
对所述校正图像进行图像分析，获得硅芯目标间距，其中，所述硅芯目标间距用于表征对应所述第一硅棒硅芯的像素点集和对应所述第二硅棒硅芯的像素点集之间的间距；
根据硅芯基准间距和所述硅芯目标间距，确定所述修正参数，其中，所述硅芯基准间距用于表征所述第一硅棒硅芯和所述第二硅棒硅芯之间的物理距离。
14.根据权利要求10所述的方法，其特征在于，所述初始间距根据初始时刻获取的第一参考图像确定，所述第一参考图像占用的内存空间和所述监控图像占用的内存空间均大于或等于内存阈值。
15.根据权利要求1所述的方法，其特征在于，所述获取反应炉的监控图像之后，所述方法还包括：
将所述监控图像包括的硅棒图像和第二参考图像进行图像相似度比较，获得比较结果，其中，所述第二参考图像用于表征疏松料硅棒；
在所述比较结果指示所述反应炉内包括疏松料硅棒的情况下，对所述监控图像包括的硅棒图像进行连通域分析，确定N个间隙图块，所述间隙图块用于指示硅棒表面的多个硅颗粒之间的间隙，N为正整数；
根据M个间隙图块的图块面积确定所述反应炉内硅棒的质量信息，其中，所述M个间隙图块为所述N个间隙图块中图块面积从大到小排列的前M个间隙图块。
16.根据权利要求1所述的方法，其特征在于，所述获取反应炉的监控图像，包括：
在所述反应炉的红外图像指示所述第一位置的温度与所述反应炉内的硅棒平均温度之差大于或等于温差阈值的情况下，和/或，在所述反应炉的硅粉含量的增幅速率大于或等于增速阈值的情况下，获取反应炉的监控图像。
17.根据权利要求1所述的方法，其特征在于，所述输出报警信息之后，所述方法还包括：
在所述高亮像素点的像素坐标位于预设区间内的情况下，将所述高亮像素点的像素值与多个参考点的像素值分别进行相似度比较，获得多个第三相似参数，所述多个第三相似参数和所述多个参考点一一对应，所述多个参考点中的每一参考点对应一个温度区间的硅棒亮点；
将数值最大的所述第三相似参数对应的参考点确定为目标点；
根据所述目标点的亮点信息，确定位于所述预设区间的高亮像素点的亮点信息，其中，所述亮点信息包括对应的硅棒亮点的温度信息、以及对应的硅棒亮点的处理流程信息。
18.根据权利要求17所述的方法，其特征在于，根据所述目标点的亮点信息，确定位于所述预设区间的高亮像素点的亮点信息之后，所述方法还包括：
在所述多个第三相似参数均小于或等于相似阈值的情况下，将所述高亮像素点作为新的参考点进行存储。
19.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述反应炉所在还原车间内的氢气浓度和氯化氢浓度；
当所述氢气浓度大于第一预设浓度值和/或所述氯化氢浓度大于第二预设浓度值时，输出气体泄漏信息。
20.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取巡检机器人的初始巡检路线和反应炉的运行状态信息，所述运行状态信息包括反应炉的启停数据；
根据所述初始巡检路线和所述运行状态信息，确定所述巡检机器人的第一巡检路线，所述第一巡检路线上包括按次序排列的P个待巡检点，P为大于1的整数，每一所述待巡检点对应一个处于启动状态的反应炉；
基于所述第一巡检路线，控制所述巡检机器人在所述P个待巡检点之间依次停留。
21.根据权利要求20所述的方法，其特征在于，所述基于所述第一巡检路线，控制所述巡检机器人在所述P个待巡检点之间依次停留之后，所述方法还包括：
在所述第一巡检路线与障碍区域重叠的情况下，根据所述障碍区域、所述初始巡检路线和所述运行状态信息确定第二巡检路线，所述第二巡检路线上包括所述P个待巡检点中的至少部分待巡检点，且所述第二巡检路线不包括所述障碍区域，其中，所述障碍区域为阻碍所述巡检机器人移动的障碍物对应的区域；
按照所述第二巡检路线，控制所述巡检机器人继续巡检。
22.根据权利要求21所述的方法，其特征在于，所述障碍区域根据所述障碍物的移动速度和/或所述障碍物的体积确定。
23.一种多晶硅监控装置，其特征在于，所述装置包括：
图像获取模块，用于获取反应炉的监控图像；
图像分析模块，用于对所述监控图像进行图像分析，获得分析结果；
报警模块，用于在所述分析结果满足报警条件的情况下，输出报警信息；
其中，所述报警条件包括以下至少一项：
所述监控图像中黑斑区域的数目参数大于或等于第一阈值；
所述监控图像中黑斑区域的面积参数大于或等于第二阈值；
所述监控图像对应的第一相似参数小于或等于第三阈值，所述第一相似参数用于表征所述监控图像和基准图像之间的图像相似度，所述基准图像为所述反应炉内在无雾化的状态下采集的图像；
所述监控图像包括的高亮像素点位于预设区间内，所述预设区间用于表征第一位置在所述监控图像内对应的像素区间，所述第一位置为所述反应炉内用于放置硅棒的位置，所述高亮像素点为所述监控图像中对应像素值大于像素阈值的像素点。
24.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至22中任一项所述的多晶硅监控方法的步骤。
25.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至22中任一项所述的多晶硅监控方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211425068.5A CN115775229A (zh) | 2022-11-14 | 2022-11-14 | 一种多晶硅监控方法、装置及相关设备 |
| PCT/CN2023/113706 WO2024103871A1 (zh) | 2022-11-14 | 2023-08-18 | 一种多晶硅监控方法、装置及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211425068.5A CN115775229A (zh) | 2022-11-14 | 2022-11-14 | 一种多晶硅监控方法、装置及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115775229A true CN115775229A (zh) | 2023-03-10 |
Family
ID=85389071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211425068.5A Pending CN115775229A (zh) | 2022-11-14 | 2022-11-14 | 一种多晶硅监控方法、装置及相关设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115775229A (zh) |
| WO (1) | WO2024103871A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116740651A (zh) * | 2023-08-11 | 2023-09-12 | 南京吾悦农业科技有限公司 | 基于智能决策的食用菌栽培监控方法及系统 |
| WO2024103871A1 (zh) * | 2022-11-14 | 2024-05-23 | 新特能源股份有限公司 | 一种多晶硅监控方法、装置及相关设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105321289B (zh) * | 2015-12-04 | 2018-03-30 | 中国建筑设计院有限公司 | 一种全天候监控图像智能分析与报警系统与方法 |
| CN108762187A (zh) * | 2018-05-29 | 2018-11-06 | 南通理工学院 | 一种基于mcgs的加热反应炉监控系统 |
| CN111210462A (zh) * | 2019-12-30 | 2020-05-29 | 视联动力信息技术股份有限公司 | 一种报警方法及装置 |
| CN115775229A (zh) * | 2022-11-14 | 2023-03-10 | 新特能源股份有限公司 | 一种多晶硅监控方法、装置及相关设备 |
-
2022
- 2022-11-14 CN CN202211425068.5A patent/CN115775229A/zh active Pending
-
2023
- 2023-08-18 WO PCT/CN2023/113706 patent/WO2024103871A1/zh unknown
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024103871A1 (zh) * | 2022-11-14 | 2024-05-23 | 新特能源股份有限公司 | 一种多晶硅监控方法、装置及相关设备 |
| CN116740651A (zh) * | 2023-08-11 | 2023-09-12 | 南京吾悦农业科技有限公司 | 基于智能决策的食用菌栽培监控方法及系统 |
| CN116740651B (zh) * | 2023-08-11 | 2023-10-17 | 南京吾悦农业科技有限公司 | 基于智能决策的食用菌栽培监控方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024103871A1 (zh) | 2024-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115775229A (zh) | 一种多晶硅监控方法、装置及相关设备 | |
| CN110031477A (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
| CN111223263A (zh) | 一种全自动综合型火灾预警响应系统 | |
| CN112000051A (zh) | 一种基于物联网的畜牧养殖管理系统 | |
| CN117309065B (zh) | 一种基于无人机的换流站远程监控方法及系统 | |
| CN112183369A (zh) | 一种用于变电站无人巡检的指针仪表读数识别方法 | |
| CN115528810A (zh) | 一种基于电力设备的测温数据运检分析管理系统 | |
| CN117309159B (zh) | 基于红外热成像的列车机柜火焰预警方法 | |
| CN113780830A (zh) | 一种基于投影的钢丝零件质检系统、方法及设备 | |
| CN117436704A (zh) | 基于安全动作预测的电力施工行为安全检测方法 | |
| CN115718003A (zh) | 一种雾化检测方法、装置及相关设备 | |
| CN117332931A (zh) | 一种基于SaaS的智慧环保服务系统及方法 | |
| CN112487976A (zh) | 基于图像识别的监测方法、装置和存储介质 | |
| CN116147697B (zh) | 一种氢氧化铝无人值守监测方法及系统 | |
| CN111812114A (zh) | 一种油烟管道的在线监测方法及监测系统 | |
| CN115471796B (zh) | 一种基于机器视觉的电网工程监理系统及方法 | |
| CN117035395A (zh) | 一种工业标识解析应用的运维管理方法 | |
| CN113963317A (zh) | 颗粒物实时监控和扬尘行为分析方法、系统、设备及介质 | |
| CN112499163B (zh) | 刮板输送机故障检测方法、存储介质及智能刮板输送机 | |
| CN113203843A (zh) | 一种水质监测方法 | |
| CN115830345A (zh) | 一种雾化监测方法、装置及相关设备 | |
| CN116109554A (zh) | 一种硅棒监测方法、装置及相关设备 | |
| CN118430216B (zh) | 一种用于充电桩的多种通信协议烟雾预警系统 | |
| CN118329130B (zh) | 基于数据分析的水域流量预警方法 | |
| CN118587639A (zh) | 一种佩戴安全帽监测系统及方法 |
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 |