[发明专利]一种基于深度学习的蓝宝石生长缺陷视觉检测方法

权利要求书

1.一种基于深度学习的蓝宝石生长缺陷视觉检测方法，其特征在于包括以下步骤：

S1.使用CCD相机（4）采集不少于200万张处于蓝宝石晶体生长阶段的图像，并对图像进行处理和图像标注，图像随机分为验证集、训练集和测试集，并且训练集、测试集和验证集图像不重复；

S2.搭建深度学习网络，训练深度学习网络，生成模型；

S3.将生长晶体（1）的待测图像输入至模型，使用模型检测待测图像，对晶体的生长状态进行实时判断；

S4.如果晶体存在缺陷，操作籽晶杆（2）使晶体回炉重新生长，重复步骤S3；如果没有缺陷，晶体正常生长，存储晶体图像，结束蓝宝石晶体缺陷检测；

其中，图像标注0表示无缺陷，1表示有缺陷；判断晶体是否有缺陷的标准是，生长状态的检测结果为1则视为有缺陷，否则为无。

2.根据权利要求1所述的基于深度学习的蓝宝石生长缺陷视觉检测方法，其特征在于：所述CCD相机（4）外部包覆冷却罩（5），通过生长炉（1）的观察口（6）采集生长晶体（3）图像。

3.根据权利要求2所述的基于深度学习的蓝宝石生长缺陷视觉检测方法，其特征在于：所述冷却罩（5）内的冷却水与生长炉（1）的自身冷却水循环系统连接。

4.根据权利要求1所述的基于深度学习的蓝宝石生长缺陷视觉检测方法，其特征在于：对所述训练样本的图像处理包括用直方图均衡化对图像进行增强，图像数据使用LabelImg工具标注，针对图像标注的结果，两类图像均匀分开。

5.根据权利要求1所述的基于深度学习的蓝宝石生长缺陷视觉检测方法，其特征在于：所述网络结构共有五层卷积网络和三层全连接层，第一层卷积层使用96个大小为11×11×3的卷积核；第二层卷积层使用256个大小为5×5×48的卷积核进行滤波；第三层、第四层和第五层的卷积在没有任何池化或者归一化层介于其中的情况下互相连接，第三层卷积层有384个大小为3×3×256的卷积核；第四层卷积层有384个大小为3×3×192的卷积核，第五层卷积层有256个大小为3×3×192的卷积核；每个全连接层有4096个神经元。