不规则晶体生长截面半径的实时估计方法和系统与流程

本发明涉及光学晶体生长领域，具体涉及不规则晶体生长截面半径的实时估计方法和系统。

背景技术：

1、目前，随着全球工业激光器的市场规模不断增长，作为生产激光器的重要材料之一的非线性光学晶体（nlo 晶体）的需求也随之增加。

2、控制半径，保证晶体等径生长是晶体生长制造的重要环节。晶体生长的整个过程始终处于高温、高亮的单晶生长炉中，其半径信息只能通过非接触方式获得。

3、目前获取晶体截面半径的主流方法为三大类：测径仪法、重量计算法和机器视觉法。测径仪法比较准确，但是存在人为误差和不能实时、持续地测量等缺陷。重量计算法不是一种实时的检测方法，得到的结果是一定长度内的平均直径。随着机器视觉技术的发展，出现了通过研究晶体生长过程中“释能环”的检测、分割并进行椭圆拟合或者圆拟合，进而计算晶体直径的方法。这种方法是实时的，但是主要是针对晶棒为圆柱的单晶硅晶体。

4、然而，直拉法也是用于生产晶棒截面不规则晶体的常用方法，对于形状不规则的晶棒，难以直接套用现有的单晶硅截面的半径估计方法，仍然需要依靠工人目视估计半径，对人眼伤害较大的同时半径估计结果比较主观。因此，迫切需要提出一种更加适用于不规则晶棒的截面半径估计方法。

技术实现思路

1、本发明的目的在于提供可以自动实时获取不规则晶棒截面半径估计的不规则晶体生长截面半径的实时估计方法和系统。

2、为了达到上述目的，本发明采用这样的技术方案：

3、不规则晶体生长截面半径的实时估计方法，包括如下依次执行的步骤：

4、1.不规则晶体生长截面半径的实时估计方法，其特征在于：包括如下依次执行的步骤：

5、s1：获取晶体棒截面的视频数据，将视频数据按照时间顺序转换为多张图像数据，对多张图像数据分别进行预处理，得到第一图像数据集；

6、s2：在第一图像数据集单张图片内选择一个待定中心点 o，从该待定中心点 o发射一条射线，以 o点为起点，沿着射线经过的位置采用如下公式（2）计算加权像素值；

7、（2）；

8、其中，表示红色通道的像素值，表示绿色通道的像素值，表示蓝色通道的像素值，表示计算得到的像素值，，和表示各颜色通道对应的权重系数；

9、s3：将沿射线计算的加权像素值求导获得梯度值，梯度值的计算公式如下公式（3）所示：

10、（3）；

11、s4：采用沿射线方向梯度和最大像素值相结合的方式计算晶棒边缘,在射线上取最大值位置为，将梯度值由大到小排列，从中取前m个梯度值对应的位置分别记为，则获得的晶棒边缘点 p的位置计算公式如下公式（4）所示：

12、(4);

13、其中，表示连续像素值最大值在射线上的位置，表示待选的梯度在射线上的位置；

14、s5：采用如下公式（5）计算待定中心点 o发射的射线与晶棒边缘的交点 p的距离：

15、（5）；

16、其中，表示晶棒边缘点 p的位置，即晶棒的边缘，表示待定中心点在图像上的坐标；

17、在步骤s2选定的待定中心点 o发射另一条射线，该射线与晶棒边缘的交点为 q，采用上述公式（5）可以计算得到 oq的距离；

18、s6：对晶棒旋转一周的每一张图像，即步骤s1中获得的第一图像数据集中的图片，从第1张图像开始按顺序到第 n张图像为止，使用步骤s2至s5所述方法都可以获得对应的半径 op1 ,op2 ,...,opn和 oq1 ,oq2 ,...,oqn，设计如下公式（6）的适应度函数用于标定晶棒截面中心点：

19、（6）；

20、其中，表示待定中心点 o的适应度函数值；表示消除相位差后的距离数组（ opk+1 ,opk+2 ,...,opn ,op1 ,...,opk）；表示另一个距离数组（ oq1 ,oq2 ,...,oqn）； op1和 oq1分别表示中心点 o不同方向射线到晶棒边缘的第一条半径， k表示两条射线初始角度差内相差的半径数； n表示晶棒每旋转一周采集的半径数，inf表示一个无穷大的数， ε为晶棒截面有效的最小半径；

21、通过上述步骤，可以计算得到晶棒截面内一个待定中心点的适应度值；

22、s7：以所述第一图像数据集为基础，采用人工鱼群算法（afsa）标定晶棒截面中心点，人工鱼群算法的具体操作流程如下：

23、人工鱼群的状态定义为 x ={ x1 ,x2 ,...,xn}，其中一条鱼的当前状态，即当前人工鱼所在位置用 xi表示，其食物浓度，即适应度函数值表示为 yi =( xi)，人工鱼的移动步长表示为 step，其参数影响人工鱼群算法的收敛速度， visual表示为每条鱼可以搜索的范围，影响人工鱼群的搜索范围， δ表示拥挤度因子， iteration表示重复次数，首先定义两条鱼之间的方向计算如下：

24、；

25、其中，表示一个像素周围的八个方向；表示当前人工鱼所在位置；表示当前人工鱼可能前往的位置；于是，改进的人工鱼群算法的四大基本行为如下：

26、（1）觅食行为：在其视野范围内随机选择一个，若>，则朝移动，觅食行为由如下公式表示：

27、；

28、否则，重新随机选择状态，若反复尝试 iteration次后仍不满足前进条件，则进行随机行为，随机行为由如下公式表示：

29、；

30、（2）聚群行为：探索视野范围内伙伴数目 nf及伙伴的中心位置，若满足 >δ，则朝伙伴中心移动，否则执行觅食行为，聚群行为由如下公式表示：

31、；

32、（3）追尾行为：探索视野范围内的伙伴数目 nf及为最大值的伙伴，若满足 >δ，则朝最优伙伴移动，否则执行觅食行为，追尾行为由如下公式表示：

33、；

34、（4）随机行为：在其视野范围内随机选择一个状态并向该方向移动，随机行为由如下公式表示：

35、；

36、其中，表示人工鱼下一时刻的位置；表示人工鱼当前时刻的位置；表示从一个像素周围的八个方向中随机选择一个方向；表示0~10之间的随机整数；

37、运行所述人工鱼群算法，在所述第一图像数据集单张图像范围内随机生成预设数量的初始人工鱼，初始人工鱼即为待定中心点，根据步骤s2至s6所述单个待定中心点适应度计算方式 yi =( xi)对所有初始人工鱼计算适应度值，算法进入循环，在每轮迭代中，每条鱼根据当前位置进行局部搜索寻找适应度值更大的位置，同时，跟随适应度值更大的鱼，并在随机扰动下避免陷入局部最优，即如上所述的人工鱼群算法的各种行为，不断更新自身位置为适应度值更大的位置，直到迭代结束，输出适应度值最大的位置作为标定的晶体棒截面的中心点；

38、s8：根据步骤s7标定的中心点，从该中心点发射一条射线，晶体旋转时密集记录中心点到高亮光环的距离 r，根据晶体生长时的转速和图像采集帧率可以得知每个旋转周期的图像数，进而可知两次记录距离 r之间的角度差，公式如下：

39、；

40、其中，表示晶体旋转一圈产生的图片数量；

41、根据上述记录的距离 r和角度差，建立图像像素点与晶棒截面半径的对应关系，相机的模型为理想的小孔成像模型，相机成像中的 a和 b与实际半径 r之间的关系可以用如下公式表示：

42、；

43、其中， r为真实半径， l为物距， f为焦距， a和 b分别为成像椭圆的长轴和短轴长度，为光轴 w与牵引轴 z的倾斜角度。

44、优选的，步骤s1中，视频数据的获取及图像数据的预处理步骤如下：

45、s1-1：采用工业相机采集数据，通过在相机镜头上加入一个nd减光滤镜，使用机械结构控制相机采集晶体生长过程等径阶段的视频数据；

46、s1-2：通过以下公式（1）计算出晶体旋转一圈产生的图片数量：

47、（1）；

48、其中，表示晶体旋转一圈产生的图片数量；表示采集的视频数据每秒的帧率；表示晶体炉内提拉杆每分钟的转速；

49、根据计算所得的图片数量将视频数据转换为图像数据集；

50、s1-3：采用对比度增强算法对图像数据集进行对比度增强处理；

51、s1-4：采用中值滤波技术对步骤s1-3处理后的图像数据集进行去噪处理，获得第一图像数据集。

52、优选的，初始人工鱼的预设数量为20-50。

53、不规则晶体生长截面半径的实时估计系统，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现上述任一项所述的方法。

54、通过采用前述设计方案，本发明的有益效果是：本发明基于所提算法可以自动完成实时获取不规则晶棒截面的形状和半径估计的任务，减少人工干预，提高了测量的准确性和科重复性，给出的估计晶体截面半径估计结果作为一个量化指标，使得数据记录、分析和共享变得更加容易和高效，也为后续过程优化和决策支持提供了坚实的基础，从而推动整个行业的技术进步和创新。