CN116934727A - 一种拉晶过程中籽晶熔接控制方法、装置及电子设备 - Google Patents
一种拉晶过程中籽晶熔接控制方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116934727A CN116934727A CN202310942762.2A CN202310942762A CN116934727A CN 116934727 A CN116934727 A CN 116934727A CN 202310942762 A CN202310942762 A CN 202310942762A CN 116934727 A CN116934727 A CN 116934727A
- Authority
- CN
- China
- Prior art keywords
- seed crystal
- image
- welding
- seed
- state data
- 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.)
- Granted
Links
- 239000013078 crystal Substances 0.000 title claims abstract description 311
- 238000000034 method Methods 0.000 title claims abstract description 175
- 238000003466 welding Methods 0.000 title claims abstract description 148
- 238000012549 training Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000002372 labelling Methods 0.000 claims description 67
- 239000007788 liquid Substances 0.000 claims description 26
- 230000004224 protection Effects 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 5
- 239000010703 silicon Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Crystals, And After-Treatments Of Crystals (AREA)
Abstract
本申请公开了一种拉晶过程中籽晶熔接控制方法、装置及电子设备,该方法包括:采集获得在籽晶进入熔接工序时的图像数据;基于籽晶目标特征检测模型对图像数据进行处理,获得与图像数据相匹配的籽晶状态数据;基于籽晶状态数据,生成籽晶熔接控制指令,以使得基于控制指令对籽晶熔接工序进行控制。在本申请中籽晶目标特征检测模型为基于对籽晶熔接开始到籽晶熔接结束的全过程图像进行训练,得到的能够预测出籽晶状态数据的模型,籽晶状态数据包括籽晶类型以及籽晶像素高度。通过籽晶目标特征检测模型实时检测判断当前籽晶熔接状态,对籽晶熔接过程进行自动控制,提升了控制效率和精度。
Description
技术领域
本申请涉及光伏和半导体单晶拉制技术领域,特别是涉及一种拉晶过程中籽晶熔接控制方法、装置及电子设备。
背景技术
在单晶生长领域,籽晶预热工序结束后到籽晶熔接工序主要是通过人工操作完成,因人的主观因素容易造成籽晶熔接标准不统一,同时需要大量工人时刻关注并操作,对生产成本、产量及生产效率造成一定的影响。此外,对于利用牵引绳计算出来的籽晶物理位置控制籽晶熔接的过程中,由于原生籽晶部分长度标准不确定,籽晶位置值计算存在一定偏差,导致控制效果不佳。
可见,采用上述方式控制籽晶熔接,由于控制效果不准确,容易出现重锤熔于液面,出现安全事故。
发明内容
针对于上述问题,本申请提供一种拉晶过程中籽晶熔接控制方法、装置及电子设备,提升了控制籽晶自动熔接的效率和准确率。
为了实现上述目的,本申请提供了如下技术方案:
一种拉晶过程中籽晶熔接控制方法,包括:
采集获得在籽晶进入熔接工序时的图像数据;
基于籽晶目标特征检测模型对所述图像数据进行处理,获得与所述图像数据相匹配的籽晶状态数据,其中,所述籽晶目标特征检测模型为基于对籽晶熔接开始到籽晶熔接结束的全过程图像进行训练,得到的能够预测出籽晶状态数据的模型,所述籽晶状态数据包括籽晶类型以及籽晶像素高度;
基于所述籽晶状态数据,生成籽晶熔接控制指令,以使得基于所述控制指令对籽晶熔接工序进行控制。
可选地,所述方法还包括:
获得图像数据集,所述图像数据集包括工业相机端对籽晶熔接开始到籽晶熔接结束的全过程进行采集获得的多张图像;
对所述图像数据集中每一图像进行特征标注,得到标注信息,所述标注信息包括表征籽晶未接触液面整体部分的第一标注信息,表征熔接完成到原生籽晶部分的第二标注信息,表征旧籽晶原生籽晶部分的第三标注信息以及表征旧籽晶接触液面籽晶整体部分的第四标注信息中的一种;
基于所述图像数据集中每一图像的标注信息以及所述图像数据集,生成图像训练样本;
将所述图像数据集中每一图像的图像特征作为训练特征,并将所述每一图像的标注信息作为训练目标,对所述图像训练样本进行训练,得到籽晶目标特征检测模型。
可选地,还包括:
对所述图像数据集中的每一图像进行图像增强预处理,得到预处理后的图像数据集;
其中,所述对所述图像数据集中每一图像进行特征标注,得到标注信息,包括:
对所述预处理后的图像数据集中每一图像进行特征标注,得到标注信息。
可选地,所述对所述图像数据集中的每一图像进行图像增强预处理,得到预处理后的图像数据集,包括:
对所述图像数据集中的每一图像进行图像预处理,得到第一图像数据集,所述图像预处理包括图像缩放、图像平移或图像旋转中的一种或多种;
基于所述第一图像数据集中当前图像的数量,确定是否对所述第一图像数据集进行样本扩充;
如果是,基于对所述第一图像数据集进行图像样本扩充,得到预处理后的图像数据集。
可选地,所述对所述图像数据集中每一图像进行特征标注,得到标注信息,包括:
对所述图像数据集中的图像进行状态划分,得到每一状态下的图像数据子集;
对每一状态下的图像数据子集进行特征标注,得到标注信息。
可选地,所述基于所述籽晶状态数据,生成籽晶熔接控制指令,包括:
基于籽晶进入熔接工序时对应的各个工序阶段,获得与当前工序阶段对应的阈值参数;
基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令。
可选地,所述当前工序阶段为表征籽晶处于熔接过程的工序阶段,所述基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令,包括:
基于与所述籽晶处于熔接过程的工序阶段对应的籽晶状态数据和籽晶下降速度阈值,确定籽晶熔接速度控制指令,以使得基于所述籽晶熔接速度控制指令控制籽晶下降速度。
可选地,所述当前工序阶段为表征籽晶接触液面后的熔接工序阶段,所述基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令,包括:
若与所述籽晶接触液面后的熔接工序阶段对应的籽晶状态数据中的像素数值若小于像素高度阈值,生成重锤保护控制指令,以使得基于所述重锤保护控制指令控制籽晶暂停熔接。
一种拉晶过程中籽晶熔接控制装置,包括:
采集单元,用于采集获得在籽晶进入熔接工序时的图像数据;
处理单元,用于基于籽晶目标特征检测模型对所述图像数据进行处理,获得与所述图像数据相匹配的籽晶状态数据,其中,所述籽晶目标特征检测模型为基于对籽晶熔接开始到籽晶熔接结束的全过程图像进行训练,得到的能够预测出籽晶状态数据的模型,所述籽晶状态数据包括籽晶类型以及籽晶像素高度;
生成单元,用于基于所述籽晶状态数据,生成籽晶熔接控制指令,以使得基于所述控制指令对籽晶熔接工序进行控制。
一种电子设备,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序具体用于实现如上述中任意一项所述的拉晶过程中籽晶熔接控制方法。
相较于现有技术,本申请提供了一种拉晶过程中籽晶熔接控制方法、装置及电子设备,该方法包括:采集获得在籽晶进入熔接工序时的图像数据;基于籽晶目标特征检测模型对图像数据进行处理,获得与图像数据相匹配的籽晶状态数据;基于籽晶状态数据,生成籽晶熔接控制指令,以使得基于控制指令对籽晶熔接工序进行控制。在本申请中籽晶目标特征检测模型为基于对籽晶熔接开始到籽晶熔接结束的全过程图像进行训练,得到的能够预测出籽晶状态数据的模型,籽晶状态数据包括籽晶类型以及籽晶像素高度。通过籽晶目标特征检测模型实时检测判断当前籽晶熔接状态,对籽晶熔接过程进行自动控制,提升了控制效率和精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种拉晶过程中籽晶熔接控制方法的流程示意图;
图2至图5为本申请各个实施例提供的籽晶特征区域示意图;
图6为本申请实施例提供的一种籽晶下插过程中速度确定方法的流程示意图;
图7为本申请实施例提供的一种拉晶过程中籽晶熔接控制装置的结构示意图。
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,所描述的实施例仅仅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得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
为了便于对本申请实施例提供的拉晶过程中籽晶熔接控制方法进行说明,现将相关术语进行解释。
拉晶:指光伏领域前道工序,在单晶炉内将硅料通过直拉法生产成为硅棒的过程。
籽晶熔接:指籽晶在硅液上方,在籽晶预热完成后,进行熔接操作,熔接到原生籽晶部位,则代表熔接完成。
设备保护:指在自动化控制籽晶熔接过程中,对相关设备的保护,在本申请实施例中,尤其是对籽晶上方用来固定籽晶的重锤的保护。
原生籽晶:籽晶没有接触过硅液的部分,没使用过的籽晶整个均为原生籽晶,其特征为整体圆柱形,上下直径相同。
非原生籽晶:指原生籽晶接触液面后,下方经过拉晶,产生的细颈部分,这种籽晶上方圆柱部位为原生籽晶,下方圆锥部位为非原生籽晶。
本申请实施例提供的一种拉晶过程中籽晶熔接控制方法,可以克服人工熔接籽晶的不足,使得控制系统自动控制籽晶预热结束后的籽晶熔接操作,同时规避籽晶熔接中重锤熔于硅液的事故风险。
参见图1,为本发明实施例提供的一种拉晶过程中籽晶熔接控制方法的流程示意图,该方法可以包括以下步骤:
S101、采集获得在籽晶进入熔接工序时的图像数据。
通过工业相机端实时采集籽晶进入熔接工序后的图像,将采集到的各个图像组成为图像数据,也可以是设置一个图像采集周期,每隔一段时间采集一次图像。
S102、基于籽晶目标特征检测模型对图像数据进行处理,获得与图像数据相匹配的籽晶状态数据。
其中,籽晶目标特征检测模型为基于对籽晶熔接开始到籽晶熔接结束的全过程图像进行训练,得到的能够预测出籽晶状态数据的模型,籽晶状态数据包括籽晶类型以及籽晶像素高度。
将采集到图像数据输入至籽晶目标特征检测模型中,使得籽晶目标特征检测模型输出籽晶状态数据,该籽晶状态数据是目标特征检测模型基于当前输入的图像特征预测得到的信息。
S103、基于籽晶状态数据,生成籽晶熔接控制指令,以使得基于控制指令对籽晶熔接工序进行控制。
在本申请实施例中籽晶状态数据不仅包括籽晶类型,如新籽晶还是旧籽晶,还包括籽晶像素高度。从而可以籽晶状态数据与对应的阈值参数,来生成籽晶熔接控制指令,该控制指令可以包括控制籽晶以何种速度下降熔接,也可以包括是否启动重锤保护的控制指令。
下面对本申请实施例处理流程的相关步骤进行详细说明。
在本申请实施例通过学习人工熔接籽晶过程的图像,划分几种熔接状态,标注每种状态的籽晶目标特征,然后对这些特征进行提取、训练获得目标特征检测模型,通过目标特征检测模型实时检测判断当前籽晶熔接状态,从而反馈给控制系统,自动判断并进行籽晶熔接及重锤保护工作。
具体的,在本申请实施例中提供了一种生成籽晶目标特征检测模型的方法,该过程可以包括:
获得图像数据集,所述图像数据集包括工业相机端对籽晶熔接开始到籽晶熔接结束的全过程进行采集获得的多张图像;
对所述图像数据集中每一图像进行特征标注,得到标注信息,所述标注信息包括表征籽晶未接触液面整体部分的第一标注信息,表征熔接完成到原生籽晶部分的第二标注信息,表征旧籽晶原生籽晶部分的第三标注信息以及表征旧籽晶接触液面籽晶整体部分的第四标注信息中的一种;
基于所述图像数据集中每一图像的标注信息以及所述图像数据集,生成图像训练样本;
将所述图像数据集中每一图像的图像特征作为训练特征,并将所述每一图像的标注信息作为训练目标,对所述图像训练样本进行训练,得到籽晶目标特征检测模型。
其中,在获得图像数据集的过程中是获得籽晶熔接过程全过程图像,所述全过程图像是指籽晶从熔接工序开始下探,到熔接完成这一过程的所有图像状态;所采集的n张图像分为两类:原生籽晶(新)、上部原生下部非原生籽晶(旧),其中原生籽晶为未使用过籽晶,上部原生下部非原生籽晶为使用过的籽晶;新籽晶如图2所示,旧籽晶如图4所示。采集的n张图片保证覆盖生产环境下籽晶熔接的所有状态。
进一步为了提升对图像特征识别的准确性,在获得了采集图像之后,还可以对图像数据集中的每一图像进行图像增强预处理,得到预处理后的图像数据集,然后对所述预处理后的图像数据集中每一所述预处理后的图像进行特征标注,得到标注信息。具体的,对所述图像数据集中的每一图像进行图像预处理,得到第一图像数据集,所述图像预处理包括图像缩放、图像平移或图像旋转中的一种或多种;基于所述第一图像数据集中当前图像的数量,确定是否对所述第一图像数据集进行样本扩充;如果是,基于对所述第一图像数据集进行图像样本扩充,得到预处理后的图像数据集。本申请中对采集到的原始图像进行缩放、平移、旋转等操作,实现未改变原始图像特征内容的基础上对图片数量的扩充,避免因图像数量不够导致模型学习效果差。
在对图像进行标注的过程中,还可以对对所述图像数据集中的图像进行状态划分,得到每一状态下的图像数据子集;对每一状态下的图像数据子集进行特征标注,得到标注信息。其中,状态划分主要是划分集中熔接状态,然后标注每种状态的籽晶目标特征。
为了便于记录标注信息,可以通过不同的参数来表征对应的标注信息,需要说明的是,在本申请实施例中的第一标注信息、第二标注信息、第三标注信息和第四标注信息仅是为了区分不同的标注信息。例如,对图像进行的标注操作是对预处理后的图像进行特征标注,标注信息为:籽晶未接触液面整体部分(标注为0),如图2所示;熔接完成到原生籽晶部分(标注为2),如图3所示;旧籽晶原生籽晶部分(标注为0-1),如图4所示;旧籽晶接触液面籽晶整体部分(标注为1),如图5所示。需要说明的是图2至图5中各个矩形框内为籽晶,即该框是紧贴籽晶外沿的,图2至图5中的时间信息可以为图片的采集时间。
在本申请实施例中,所述基于所述籽晶状态数据,生成籽晶熔接控制指令,包括:基于与籽晶进入熔接工序时对应的各个工序阶段,获得与当前工序阶段对应的阈值参数;基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令。
在一种实施方式中,所述当前工序阶段为表征籽晶处于熔接过程的工序阶段,所述基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令,包括:基于与所述籽晶熔接过程的工序阶段对应的籽晶状态数据和籽晶下降速度阈值,确定籽晶熔接速度控制指令,以使得基于所述籽晶熔接速度控制指令控制籽晶下降速度。
在另一种实施方式中,所述当前工序阶段为表征籽晶接触液面后的熔接工序阶段,所述基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令,包括:若与所述籽晶接触液面后的熔接工序阶段对应的籽晶状态数据中的像素数值若小于像素高度阈值,生成重锤保护控制指令,以使得基于所述重锤保护控制指令控制籽晶暂停熔接。
举例说明,籽晶熔接、重锤保护自动化控制:参见图6,在籽晶进入熔接工序时,模型识别新籽晶,旧籽晶。新籽晶模型返回结果为0、籽晶像素高度;旧籽晶模型返回结果为0及0-1、籽晶像素高度。熔接过程中,间隔t秒调用一次模型,当籽晶为新籽晶时,熔接过程中模型返回信息只有0和2,即未接触液面(返回0)和熔接完成(返回2),模型返回值为0时,籽晶以速度v1持续下降熔接,直到模型返回结果为2,熔接完成;当籽晶为旧籽晶时,熔接过程中模型返回信息为0、0-1、1、2,即未接触液面(返回0、0-1),接触液面(返回1、0-1),熔接完成(返回2),模型返回0、0-1时,籽晶同样以速度v1下降熔接,返回1、0-1时,速度变为v1(v1<v2),后持续以v1速度熔接,直到模型返回为2,即熔接完成。新旧籽晶在熔接过程中,模型均进行籽晶像素高度识别,在籽晶接触液面后的熔接过程中,像素高度h减小,当h<H(H为设定值)时,报警并暂停熔接,此为重锤保护;若未触发报警并且籽晶熔接到圆籽晶部位,则证明此次籽晶熔接成功。
本申请通过引入深度学习在图像领域应用的目标识别方面的技术,发明了一种基于图像目标特征识别的籽晶熔接及设备保护自动化控制方法,在目标特征识别信息的基础上,添加多重保护,可以有效避免上述缺点,达到一个理想的控制籽晶自动熔接且确保重锤不会熔于硅液的状态。通过收集批量籽晶熔接过程图像并做预处理操作,然后对预处理后的图像进行特征标注及提取操作,后经过训练输出特征状态模型;实际生产中,通过实时调用特征状态模型对相机端图像数据进行目标特征的推理分析,精确检测籽晶熔接过程中的各种状态,从而可以有效控制籽晶自动熔接。
对应的,在本申请实施例中还提供了一种拉晶过程中籽晶熔接控制装置,参见图7,包括:
采集单元201,用于采集获得在籽晶进入熔接工序时的图像数据;
处理单元202,用于基于籽晶目标特征检测模型对所述图像数据进行处理,获得与所述图像数据相匹配的籽晶状态数据,其中,所述籽晶目标特征检测模型为基于对籽晶熔接开始到籽晶熔接结束的全过程图像进行训练,得到的能够预测出籽晶状态数据的模型,所述籽晶状态数据包括籽晶类型以及籽晶像素高度;
生成单元203,用于基于所述籽晶状态数据,生成籽晶熔接控制指令,以使得基于所述控制指令对籽晶熔接工序进行控制。
所述装置还包括:模型训练单元,所述模型训练单元包括:
第一获取子单元,用于获得图像数据集,所述图像数据集包括工业相机端对籽晶熔接开始到籽晶熔接结束的全过程进行采集获得的多张图像;
标注子单元,用于对所述图像数据集中每一图像进行特征标注,得到标注信息,所述标注信息包括表征籽晶未接触液面整体部分的第一标注信息,表征熔接完成到原生籽晶部分的第二标注信息,表征旧籽晶原生籽晶部分的第三标注信息以及表征旧籽晶接触液面籽晶整体部分的第四标注信息中的一种;
第一生成子单元,用于基于所述图像数据集中每一图像的标注信息以及所述图像数据集,生成图像训练样本;
训练子单元,用于将所述图像数据集中每一图像的图像特征作为训练特征,并将所述每一图像的标注信息作为训练目标,对所述图像训练样本进行训练,得到籽晶目标特征检测模型。
可选地,所述模型训练单元还包括:
图像预处理子单元,用于对所述图像数据集中的每一图像进行图像增强预处理,得到预处理后的图像数据集;
其中,所述标注子单元具体用于:
对所述预处理后的图像数据集中每一所述预处理后的图像进行特征标注,得到标注信息。
可选地,所述图像预处理子单元具体用于:
对所述图像数据集中的每一图像进行图像预处理,得到第一图像数据集,所述图像预处理包括图像缩放、图像平移或图像旋转中的一种或多种;
基于所述第一图像数据集中当前图像的数量,确定是否对所述第一图像数据集进行样本扩充;
如果是,基于对所述第一图像数据集进行图像样本扩充,得到预处理后的图像数据集。
可选地,所述标注子单元具体用于:
对所述图像数据集中的图像进行状态划分,得到每一状态下的图像数据子集;
对每一状态下的图像数据子集进行特征标注,得到标注信息。
可选地,所述生成单元包括:
第二获取子单元,用于基于与籽晶进入熔接工序时对应的各个工序阶段,获得与当前工序阶段对应的阈值参数;
生成子单元,用于基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令。
可选地,所述当前工序阶段为籽晶处于熔接过程的工序阶段,所述生成子单元具体用于:
基于与所述籽晶处于熔接过程的工序阶段对应的籽晶状态数据和籽晶下降速度阈值,确定籽晶熔接速度控制指令,以使得基于所述籽晶熔接速度控制指令控制籽晶下降速度。
可选地,所述当前工序阶段为表征籽晶接触液面后的熔接工序阶段,所述生成子单元具体用于:
若与所述籽晶接触液面后的熔接工序阶段对应的籽晶状态数据中的像素数值若小于像素高度阈值,生成重锤保护控制指令,以使得基于所述重锤保护控制指令控制籽晶暂停熔接。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如上任一项的拉晶过程中籽晶熔接控制方法。
本申请实施例还提供了一种电子设备,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序具体用于实现如上述中任意一项所述的拉晶过程中籽晶熔接控制方法。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种拉晶过程中籽晶熔接控制方法,其特征在于,包括:
采集获得在籽晶进入熔接工序时的图像数据;
基于籽晶目标特征检测模型对所述图像数据进行处理,获得与所述图像数据相匹配的籽晶状态数据,其中,所述籽晶目标特征检测模型为基于对籽晶熔接开始到籽晶熔接结束的全过程图像进行训练,得到的能够预测出籽晶状态数据的模型,所述籽晶状态数据包括籽晶类型以及籽晶像素高度;
基于所述籽晶状态数据,生成籽晶熔接控制指令,以使得基于所述控制指令对籽晶熔接工序进行控制。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获得图像数据集,所述图像数据集包括工业相机端对籽晶熔接开始到籽晶熔接结束的全过程进行采集获得的多张图像;
对所述图像数据集中每一图像进行特征标注,得到标注信息,所述标注信息包括表征籽晶未接触液面整体部分的第一标注信息,表征熔接完成到原生籽晶部分的第二标注信息,表征旧籽晶原生籽晶部分的第三标注信息以及表征旧籽晶接触液面籽晶整体部分的第四标注信息中的一种;
基于所述图像数据集中每一图像的标注信息以及所述图像数据集,生成图像训练样本;
将所述图像数据集中每一图像的图像特征作为训练特征,并将所述每一图像的标注信息作为训练目标,对所述图像训练样本进行训练,得到籽晶目标特征检测模型。
3.根据权利要求2所述的方法,其特征在于,还包括:
对所述图像数据集中的每一图像进行图像增强预处理,得到预处理后的图像数据集;
其中,所述对所述图像数据集中每一图像进行特征标注,得到标注信息,包括:
对所述预处理后的图像数据集中每一图像进行特征标注,得到标注信息。
4.根据权利要求3所述的方法,其特征在于,所述对所述图像数据集中的每一图像进行图像增强预处理,得到预处理后的图像数据集,包括:
对所述图像数据集中的每一图像进行图像预处理,得到第一图像数据集,所述图像预处理包括图像缩放、图像平移或图像旋转中的一种或多种;
基于所述第一图像数据集中当前图像的数量,确定是否对所述第一图像数据集进行样本扩充;
如果是,基于对所述第一图像数据集进行图像样本扩充,得到预处理后的图像数据集。
5.根据权利要求2所述的方法,其特征在于,所述对所述图像数据集中每一图像进行特征标注,得到标注信息,包括:
对所述图像数据集中的图像进行状态划分,得到每一状态下的图像数据子集;
对每一状态下的图像数据子集进行特征标注,得到标注信息。
6.根据权利要求1所述的方法,其特征在于,所述基于所述籽晶状态数据,生成籽晶熔接控制指令,包括:
基于籽晶进入熔接工序时对应的各个工序阶段,获得与当前工序阶段对应的阈值参数;
基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令。
7.根据权利要求6所述的方法,其特征在于,所述当前工序阶段为表征籽晶处于熔接过程的工序阶段,所述基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令,包括:
基于与所述籽晶处于熔接过程的工序阶段对应的籽晶状态数据和籽晶下降速度阈值,确定籽晶熔接速度控制指令,以使得基于所述籽晶熔接速度控制指令控制籽晶下降速度。
8.根据权利要求6所述的方法,其特征在于,所述当前工序阶段为表征籽晶接触液面后的熔接工序阶段,所述基于与当前工序阶段对应的籽晶状态数据和所述阈值参数,生成与所述当前工序阶段对应的籽晶熔接控制指令,包括:
若与所述籽晶接触液面后的熔接工序阶段对应的籽晶状态数据中的像素数值若小于像素高度阈值,生成重锤保护控制指令,以使得基于所述重锤保护控制指令控制籽晶暂停熔接。
9.一种拉晶过程中籽晶熔接控制装置,其特征在于,包括:
采集单元,用于采集获得在籽晶进入熔接工序时的图像数据;
处理单元,用于基于籽晶目标特征检测模型对所述图像数据进行处理,获得与所述图像数据相匹配的籽晶状态数据,其中,所述籽晶目标特征检测模型为基于对籽晶熔接开始到籽晶熔接结束的全过程图像进行训练,得到的能够预测出籽晶状态数据的模型,所述籽晶状态数据包括籽晶类型以及籽晶像素高度;
生成单元,用于基于所述籽晶状态数据,生成籽晶熔接控制指令,以使得基于所述控制指令对籽晶熔接工序进行控制。
10.一种电子设备,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,所述程序具体用于实现如权利要求1至8中任意一项所述的拉晶过程中籽晶熔接控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310942762.2A CN116934727B (zh) | 2023-07-28 | 2023-07-28 | 一种拉晶过程中籽晶熔接控制方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310942762.2A CN116934727B (zh) | 2023-07-28 | 2023-07-28 | 一种拉晶过程中籽晶熔接控制方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116934727A true CN116934727A (zh) | 2023-10-24 |
CN116934727B CN116934727B (zh) | 2024-03-08 |
Family
ID=88394018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310942762.2A Active CN116934727B (zh) | 2023-07-28 | 2023-07-28 | 一种拉晶过程中籽晶熔接控制方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116934727B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128378A1 (fr) * | 2007-04-19 | 2008-10-30 | Tianjin Huanou Semiconductor Material And Technology Co., Ltd. | Procédé à traction verticale et à fusion de zones pour produire du silicium monocristallin |
CN112859771A (zh) * | 2020-12-31 | 2021-05-28 | 杭州富加镓业科技有限公司 | 一种基于深度学习和导模法的氧化镓的质量预测方法、制备方法及系统 |
CN114169381A (zh) * | 2020-08-19 | 2022-03-11 | 深圳云天励飞技术股份有限公司 | 图像标注方法、装置、终端设备及存储介质 |
CN114752996A (zh) * | 2022-03-22 | 2022-07-15 | 无锡海纳智能科技有限公司 | 一种单晶硅放肩阶段开叉的智能调整方法以及存储介质 |
CN115496992A (zh) * | 2021-06-17 | 2022-12-20 | 内蒙古中环协鑫光伏材料有限公司 | 一种过热熔接熔点视觉识别检测方法 |
CN116026487A (zh) * | 2023-03-31 | 2023-04-28 | 内蒙古晶环电子材料有限公司 | 液面温度测量方法、装置、计算机设备和存储介质 |
-
2023
- 2023-07-28 CN CN202310942762.2A patent/CN116934727B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008128378A1 (fr) * | 2007-04-19 | 2008-10-30 | Tianjin Huanou Semiconductor Material And Technology Co., Ltd. | Procédé à traction verticale et à fusion de zones pour produire du silicium monocristallin |
CN114169381A (zh) * | 2020-08-19 | 2022-03-11 | 深圳云天励飞技术股份有限公司 | 图像标注方法、装置、终端设备及存储介质 |
CN112859771A (zh) * | 2020-12-31 | 2021-05-28 | 杭州富加镓业科技有限公司 | 一种基于深度学习和导模法的氧化镓的质量预测方法、制备方法及系统 |
CN115496992A (zh) * | 2021-06-17 | 2022-12-20 | 内蒙古中环协鑫光伏材料有限公司 | 一种过热熔接熔点视觉识别检测方法 |
CN114752996A (zh) * | 2022-03-22 | 2022-07-15 | 无锡海纳智能科技有限公司 | 一种单晶硅放肩阶段开叉的智能调整方法以及存储介质 |
CN116026487A (zh) * | 2023-03-31 | 2023-04-28 | 内蒙古晶环电子材料有限公司 | 液面温度测量方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116934727B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220105590A1 (en) | Method for evaluating a laser cut edge, mobile terminal and system | |
CN113215651B (zh) | 一种拉晶控制方法和设备、单晶炉以及计算机存储介质 | |
CN110570146B (zh) | 一种产品分拣方法及装置、计算机可读存储介质 | |
CN110532902B (zh) | 一种基于轻量化卷积神经网络的铁水扒渣检测方法 | |
JP2020155063A (ja) | 情報処理装置、及びその制御方法、プログラム、記憶媒体 | |
EP3013032A1 (en) | Image acquisition method and apparatus | |
CN116934727B (zh) | 一种拉晶过程中籽晶熔接控制方法、装置及电子设备 | |
CN115376130A (zh) | 电力施工现场识别模型的生成方法、装置、设备及介质 | |
CN115423755A (zh) | 晶圆微加工结构缺陷检测方法及其装置、设备、介质 | |
CN117372377A (zh) | 一种单晶硅棱线的断线检测方法、装置及电子设备 | |
CN115121895A (zh) | 基于深度学习的选择波峰焊预警方法、装置及存储介质 | |
CN117187943B (zh) | 一种拉晶过程中熔料检测方法、装置及电子设备 | |
CN111062364A (zh) | 一种基于深度学习的监测装配操作的方法和装置 | |
CN112822440B (zh) | 生物样本制备监控方法、应用服务器、系统及存储介质 | |
CN113297945A (zh) | 基于混合现实空间定位的室内设备巡检辅助方法及系统 | |
CN116595314A (zh) | 一种数据标注方法及系统 | |
JP2014182530A (ja) | 溶接モニタリングシステム | |
CN111222477A (zh) | 一种基于视觉的双手离开方向盘检测方法及装置 | |
CN107784644A (zh) | 一种不相溶液体分界面的确定方法及装置 | |
CN113256594B (zh) | 基于区域特征度量学习的小样本模型生成及焊缝检测方法 | |
CN110181503B (zh) | 异常检测方法、装置、智能设备和存储介质 | |
CN112329896B (zh) | 模型训练方法及装置 | |
CN110977292A (zh) | 一种海洋平台模块结构焊缝自动检测方法 | |
CN116524425B (zh) | 基于图像识别的实验室器皿药品残留检测方法及检测装置 | |
Diaz et al. | Geometric characterization of cell membrane of mouse oocytes for icsi |
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 |