JPH043885A - イメージ炉 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は結晶成長等に利用されるイメージ炉に関する。

〔従来の技術〕

一般に、イメージ炉は、回転楕円面から成る反射鏡の第
１の焦点部分に熱源を置き、第２の焦点部分に試料を置
いてその赤外線を集中し、試料を加熱するものである。

また、この装置には、反射鏡が１個の回転楕円面のみで
構成される単楕円形、反射鏡が２個の回転楕円面の組合
せで構成され第２の焦点を共有する構造の双楕円型、更
に反射鏡が３個以上の回転楕円面の組合わせで構成され
第２の焦点を共有する′ｎ４造の条構円型がある。

次に、従来のイメージ炉について図面を参照して説明す
る。図５は従来の一例を示す双楕円型のイメージ炉主要
部の縦断面図である。同図において、棒状の被加熱物１
００は、イメージ炉の反射鏡１０３の中に挿入されて加
熱される。この被加熱物１００は上チャック１０４と下
チャック１０５によって、上シャフト１０６及び下シャ
フト１０７に取り付けられている。

被加熱物１００の加熱して溶融させると、この被加熱物
１００の中心すなわちイメージ炉の第２の焦点部分に溶
融帯部１０１が形成される。また、炉心管１０９は、被
加熱物１００を外部から遮断して、管内を不活性ガス等
の雰囲気ガスで満たしたり、管内を真空にしたり、ある
いは被加熱物から発生するガスから反射鏡１０３の鏡面
が汚染されるのを保護するものである。

このイメージ炉の熱源の温度の制御は、通常、観察窓１
１０を通して得られる溶融帯部１０１の状態を観察して
、作業者が手動で行うか、もしくは、特公昭６０−２０
８８９号公報で提案されているように、観察窓１１０の
先に接続した画像センサー２を用いて、溶融帯部１０１
の直径等を計測し、電力値決定部３においてその値に所
定の演算式にしたがった演算処理を施し電力値を計算し
、電力コントローラ４がその電力値に相当する電力に熱
源に供給していた。

〔発明が解決しようとする課題〕

しかしながら、融解部の計測値に所定の演算式に従った
演算処理を施すことで電力値を計算する従来の温度制御
方法では、最適な演算式が求められなかった場合や、演
算式が複雑で実時間処理が困難な場合等は、良好な電力
値の制御できないという問題点が存在した。

本発明の目的は、このような従来の問題点を除去するた
めのものである。

〔課題を解決するための手段〕

本発明の第１のイメージ炉は、回転楕円反射鏡の第１の
焦点部分に熱源を設け、前記回転楕円反射鏡の第２の焦
点部分に試料を設け、前記熱源から発する赤外線を集中
して前記試料を加熱し溶融帯部を形成させるイメージ炉
において、前記溶融帯部を撮像する画像センサがら得ら
れる溶融帯部の形状を２次元画像パターン時系列に変換
する画像処理部と、前記２次元画像バタン時系列から求
められる溶融帯部の複数個の形状特微量の値を基にニュ
ーラルネットワークを用いて熱源への供給電力値を決定
する電力値決定部より構成される。

２、本発明の第２のイメージ炉は前記電力決定部におけ
るニューラルネットワークが、前記溶融帯部の複数個の
形状特微量の値を各々に一対一に接続される基本ユニッ
トの一群を入力層とし、単位ユニットの一群を中間層と
して一つの以上の中間層を有し、前記供給電力値を決定
する値を各々に一対一に接続される基本ユニットの一群
を出力層とし、入力層と最前段の中間層間、中間層相互
間、最終段の中間層と出力層間で単位ユニットが結合す
ることで階層型ネットワークの構造となっていることを
特徴としている。

３、本発明の第３のイメージ炉は、前記電力値決定部に
おけるニューラルネットワークが、前記溶融部の複数個
の形状特微量の値を入力すると前記供給電力値を決定す
る値を出力するように単位ユニットが相互に結合してい
る相互結合型ネットワークの構造となっていることを特
徴としている。

４、本発明の第４のイメージ炉は、前記第２のイメージ
炉及び第３のイメージ炉における前記ニューラルネット
ワークの前記基本ユニットは、つ以上の入力を得、各入
力に可変するある重み係数を乗算して和をとった値から
可変するある閾値を引算しその値をある一定の応答関数
で変換した値を出力することを特徴としている。

５、本発明の第５のイメージ炉は、前記第４のイメージ
炉における前記ニューラルネットワークの前記重み係数
と閾値は、前記溶融帯部の複数個の形状特微量の値を入
力するとその状態において好ましい量の前記熱源への供
給電力値を決定する値を出力するように設定されること
を特徴としている。

〔実施例〕

次に、本発明について図面を参照して説明する。

図１は本発明のイメージ炉に適用された電力値決定部の
一実施例を示すブロック図である。このイメージ炉は、
図１に示す電力値決定部を備えていることであり、それ
以外は従来例と同じである。すなわち、このイメージ炉
の構造は、図５と同じである。

ここで、この実施例のイメージ炉における画像センサー
２としては、例えば、ＣＣＤカメラが考えられる。また
、図５に示すように、溶融帯部１０１から発する光は、
観察窓１１０を通過し、画像センサー２によって２次元
画像データに変換され、逐次、電力値決定部３に送られ
る。さらに、電力値決定部３は、２次元画像データを基
に熱源に供給する電力値を決定し、その値は電力コント
ローラ４に送られる。電力コントローラ４は受は取った
値に相当する電力を熱源に供給する。

なお、電力コントローラ４については、自動制御の分野
では周知の技術であり、本発明の本質とは異なるので詳
細な説明は省くことにする。

つぎに、本発明のイメージ炉に使用される電力値決定部
３の説明する。この電力値決定部は、図１に示すように
、入力される２次元画像データを２次元画像パターン時
系列に変換する画像前処理部３１と２次元画像パターン
時系列から溶融帯部の形状特微量を抽出する特徴量抽出
部３２と、この形状特微量と電力値を入力するとともに
これら変化量を産出する時間変化量計算部３３と、前記
変化量を入力して制御すべき電力値変化値を出力するニ
ューラルネットワーク部３４と、電力値変化値を入力し
て供給電力値を設定する電力値計算部３５とで構成され
ている。

図２は図５の溶融帯部を拡大して示す図である。次に、
この電力値決定部の動作を説明する。

まず、図１に示すように、画像前処理部３１に２次元画
像データが入力されると、画像前処理部３１は、このデ
ータを順次にデジタル化、雑音除去及び２値化等の処理
をする。次に、これら処理されたデータから特徴量抽出
部３２により、溶融帯部の形状特微量、例えば、図２に
示す溶融帯部１０１の面積Ｓと縦の長さしを抽出し、時
間変化量計算部３３でＳとＬの時間変化量ΔＳとΔＬと
を計算し、出力する。また、この計算と同時に現在の電
力値Ｅが時間変化量計算部３３に入力され、ΔＳとΔＬ
と同様に時間変化量ΔＥが計算される。以下の処理で求
められた値Ｓ、ΔＳ、Ｌ、ΔＬ、Ｅ、ΔＥはニューラル
ネットワーク部３４に入力され、現在の状態において良
好に制御するための電力値時間変化量ΔＥ１が出力され
る。

図３及び図４は図１のニューラルネットワーク部の構造
例を示す図である。図１示ずニューラルネットワーク部
３４の構造には二種類考えられる。その一つは、図３示
す階層型ネットワークとしたものと図４に示す相互結合
型ネットワークとしたものである。図３に示ずニューラ
ルネットワーク部３４は、３層の階層ネットワークの構
造をとり、前もって熟練したオペレータの制御動作から
得られる、ΔＳ、Ｌ、ΔＬ、Ｅ、ΔＥ（入力）と、八Ｅ
ｌ　　（出力）の入出力関係を、バックプロパゲーショ
ン手法を用いて学習しであるものとする。図４に示すニ
ューラルネットワーク部３４は、６つの基本ユニットか
ら成る相互結合型ネットワークの構造をとり、同様に前
もって熟年したオペレータの制御動作の入出力関係から
、初期状態としてＳ、ΔＳ、Ｌ、ΔＬ、Ｅ、ΔＥを入力
すると、ある評価関数の平衡状態としてΔＥ′が得られ
るように学習する。評価関数や学習は、例えば、ホップ
フィールド・ネットワークやボルツマン・マシンで用い
られた手法が考えられる。ニューラルネットワーク、パ
ックプロパゲーション、ポツプフィールド・ネットワー
ク、ボルツマン・マシン等については、例えば、平成元
年９月■技術評論者より発行された「入門と実収ニュー
ロコンピュータ」の１２頁から１２７頁に記載されてい
る。

このように、図１に示す電力値計算部３５では、ニュー
ラルネットワーク部３４から得られた良好に制御するた
めの電力値時間変化量ΔＥ１と現在の電力値Ｅから、熱
源に供給する電力値Ｅ１を計算し、図５に示す電力コン
トローラ４に出力される。

以上説明したように、本実施例において、ニューラルネ
ット部３４を図３及び図４で示す構成で説明したが、こ
れらの構成は、本発明を限定するものではない。すなわ
ち、中間層の数やユニットの数を変更しても良いし、出
力をΔＥｌでなく、Ｅｌとすることも可能である。

また、形状特微量として本実施例では面積、長さを用い
たが、多の特徴量例えば、周囲共、縦横、の分布、モー
メント、重心から外側輪郭までの距離等を複数個用いて
も良いのは明白である。

さらに、本実施例では双楕円型のイメージ炉について説
明してきたが、単楕円型あるいは条構円型イメージ炉に
ついても、本発明は同様に実施できる。

なお、前述の公知である自動制御技術に関しては、例え
ば、昭和４６年に実教出版株式会社から発行された「自
動制御の基礎と応用」、画像処理技術に関しては、例え
ば昭和５６年に共立出版株式会社から発行された「応用
画像解析」に詳しく記載されている。

〔発明の効果〕

本発明によるイメージ炉は、２次元画像パターン時系列
から求められる溶融帯部の複数個の形状特微量に所定の
演算式に従った演算処理を施すことで電力値を計算する
ような従来の方法では良好な電力値の制御ができない場
合でも、専門家の制御知識をニューラルネットワークに
を用いて学習させておくことで熱源への適切な供給電力
値を決定でき、熱源の温度の良好な制御が出来るという
効果がある。

断面図である。

１００・・・被加熱物、１０１・・・被加熱物の溶融帯
部、１０３・・・反射鏡、１０４，１０５・・・チャッ
ク、１０６．１０７・・・シャフト、１０９・・・炉心
管、１１０・・・観察窓、２・・・画像センサ、３・・
・電力値決定部、４・・・電力コントローラ、３１・・
・画像前処理部、３２・・・特徴量抽出部、３３・・・
時間変化量計算部、３４・・・ニュラルネットワーク部
、３５・・・電力値計算部。

Claims (1)

1. 【特許請求の範囲】 １、回転楕円反射鏡の第１の焦点部分に熱源を設け、前
   記回転楕円反射鏡の第２の焦点部分に試料を設け、前記
   熱源から発する赤外線を集中して前記試料を加熱し溶融
   帯部を形成させるイメージ炉において、前記溶融帯部を
   撮像する画像センサから得られる前記溶融帯部の形状を
   ２次元画像パターン時系列に変換する画像処理部と、前
   記２次元画像パターン時系列から求められる前記溶融帯
   部の複数個の形状特微量の値を基にニューラルネットワ
   ークを用いて熱源への供給電力値を決定する電力値決定
   部を有することを特徴とするイメージ炉。 ２、前記電力値決定部におけるニューラルネットワーク
   が、前記溶融帯部の複数個の形状特微量の値を各々に一
   対一に接続される基本ユニットの一群を入力層とし、単
   位ユニットの一群を中間層として一つの以上の中間層を
   有し、前記供給電力値を決定する値を各々に一対一に接
   続される基本ユニットの一群を出力層とし、入力層と最
   前段の中間層間、中間層相互間、最終段の中間層と出力
   層間で単位ユニットが結合することで階層型ネットワー
   クの構造となっていることを特徴とする請求項１記載の
   イメージ炉。 ３、前記電力値決定部におけるニューラルネットワーク
   が、前記溶融部の複数個の形状特微量の値を入力すると
   前記供給電力値を決定する値を出力するように単位ユニ
   ットが相互に結合している相互結合型ネットワークの構
   造となっていることを特徴とする請求項１記載イメージ
   炉。 ４、前記基本ユニットは、一つ以上の入力を得、各入力
   に可変するある重み係数を乗算して和をとった値から可
   変するある閾値を引算しその値をある一定の応答関数で
   変換した値を出力することを特徴とする請求項２及び３
   記載のイメージ炉。 ５、前記重み係数と閾値は、前記溶融帯部の複数個の形
   状特微量の値を入力するとその状態において好ましい量
   の前記熱源への供給電力値を決定する値を出力するよう
   に設定されることを特徴とする請求項２及び３項記載の
   イメージ炉。