[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

说明书

本发明一种基于深度学习的蓝宝石生长缺陷视觉检测方法，属于蓝宝石制备检测领域；人工合成蓝宝石过程中检测蓝宝石的生长缺陷主要依靠人工检测，费时费力，生长炉的炉内环境造成人工检测生长缺陷的困难，且人工凭借经验观测容易出现错误，本发明基于深度学习理论提供一种蓝宝石生长缺陷的视觉检测方法，使用相机采集不少于200万张蓝宝石晶体生长阶段图像进行处理，生成训练集，搭建深度学习网络，调整参数训练深度学习网络生成训练模型，利用训练模型检测待测图像，对晶体生长状态实时判断，操作籽晶杆使存在生长缺陷的晶体正常生长。

技术领域

本发明涉及蓝宝石制备检测领域，更具体的说，它涉及一种基于深度学习的蓝宝石生长缺陷视觉检测方法。

背景技术

蓝宝石是用于制造电子制导高速战机及导弹的红外光学窗口与整流罩的最佳材料。，然而天然的蓝宝石在自然界中十分稀缺，并且不能很好的满足工业对于质量和尺寸的需求，因此市面上的蓝宝石多为人工合成。

在人工合成蓝宝石工艺中，其中有重要的一步，便是检测蓝宝石的生长缺陷。但是在实际中，人工检测蓝宝石生长缺陷费时费力，且不同晶体生长炉的炉内环境有所不同，造成传统方法检测生长缺陷的困难。传统方法主要是依靠人眼对晶体生长炉进行观测，工人师傅通过观测口对蓝宝石晶体的生长进行观测，在观测过程中如果晶体出现缺陷，根据观察到的缺陷类型，选择回炉重铸或者利用籽晶杆进行修正晶体。人工检测需要工人师傅一直在现场等待，隔一段时间进行观测一次，由于人眼可能由于炉内强光不能长时间观测，且人工凭借经验观测容易出现错误。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于深度学习的蓝宝石生长缺陷视觉检测方法，该发明基于深度学习的理论，主要用于检测人工接种或合成过程中，蓝宝石是否存在缺陷。

为实现上述目的，本发明提供了如下技术方案：

一种基于深度学习的蓝宝石生长缺陷视觉检测方法，包括以下步骤：

S1.使用CCD相机采集不少于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。

进一步，CCD相机外部包覆冷却罩，通过生长炉的观察口采集生长晶体图像。

进一步，冷却罩内的冷却水与生长炉的自身冷却水循环系统连接。

进一步，对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。

进一步，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。

综上所述，发明具有以下有益效果：

1、本发明利用深度学习算法对蓝宝石生长过程中产生的缺陷进行检测，检测速度快，识别准确率高；