本發(fā)明涉及多晶硅制備，是一種基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著我國(guó)光伏產(chǎn)業(yè)的不斷發(fā)展，我國(guó)多晶硅行業(yè)呈現(xiàn)快速發(fā)展的趨勢(shì)，產(chǎn)量持續(xù)增長(zhǎng)。多晶硅還原爐是用于制造多晶硅錠的重要設(shè)備，在多晶硅還原爐生產(chǎn)過(guò)程中，爐內(nèi)霧化狀態(tài)的變化對(duì)產(chǎn)品質(zhì)量和生產(chǎn)效率有著重要影響。爐內(nèi)霧化狀態(tài)的檢測(cè)對(duì)于優(yōu)化生產(chǎn)過(guò)程、提高產(chǎn)品質(zhì)量和生產(chǎn)效率具有重要意義。目前各公司主要是使用人力在各個(gè)還原現(xiàn)場(chǎng)進(jìn)行定期巡查，但是還原現(xiàn)場(chǎng)具有噪聲大，污染大且具有一定危險(xiǎn)性等的特點(diǎn)。且傳統(tǒng)的目標(biāo)檢測(cè)方法往往依賴于人工視覺(jué)檢測(cè)或基于規(guī)則的傳統(tǒng)機(jī)器學(xué)習(xí)算法，在處理大規(guī)模數(shù)據(jù)和復(fù)雜霧化情況時(shí)存在局限性。

2、近年來(lái)，基于深度學(xué)習(xí)技術(shù)的霧化檢測(cè)模型取得了顯著進(jìn)展，然而其計(jì)算復(fù)雜度和運(yùn)行速度仍受限。

3、輕量化神經(jīng)網(wǎng)絡(luò)技術(shù)的引入為還原爐霧化檢測(cè)提供了新的解決方案，其結(jié)構(gòu)簡(jiǎn)單、參數(shù)較少、運(yùn)行速度快，在計(jì)算資源有限的嵌入式設(shè)備上具有良好的適用性，能夠?qū)崿F(xiàn)邊緣計(jì)算、實(shí)時(shí)檢測(cè)的需求。盡管輕量化神經(jīng)網(wǎng)絡(luò)在資源受限的嵌入式設(shè)備上具有優(yōu)勢(shì)，但面對(duì)復(fù)雜的霧化圖像時(shí)，現(xiàn)有模型往往表現(xiàn)不佳，容易出現(xiàn)誤報(bào)或漏檢的情況。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，克服了上述現(xiàn)有技術(shù)之不足，其能有效解決面對(duì)復(fù)雜的霧化圖像時(shí)現(xiàn)有模型往往表現(xiàn)不佳，容易出現(xiàn)誤報(bào)或漏檢的問(wèn)題。

2、本發(fā)明的技術(shù)方案之一是通過(guò)以下措施來(lái)實(shí)現(xiàn)的：一種基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法，包括以下步驟：

3、獲取還原爐爐內(nèi)圖像，對(duì)還原爐爐內(nèi)圖像進(jìn)行預(yù)處理，得到預(yù)處理后的還原爐爐內(nèi)圖像；

4、構(gòu)建還原爐霧化檢測(cè)模型并訓(xùn)練，得到經(jīng)訓(xùn)練的還原爐霧化檢測(cè)模型；

5、將預(yù)處理后的還原爐運(yùn)行圖像輸入到經(jīng)訓(xùn)練的還原爐霧化檢測(cè)模型中，得到霧化檢測(cè)結(jié)果。

6、下面是對(duì)上述發(fā)明技術(shù)方案之一的進(jìn)一步優(yōu)化或/和改進(jìn)：

7、上述還原爐霧化檢測(cè)模型可包括輸入端、backbone、neck、head，backbone在yolov8網(wǎng)絡(luò)的特征提取網(wǎng)絡(luò)和具有特征金字塔網(wǎng)絡(luò)的路徑聚合網(wǎng)絡(luò)的基礎(chǔ)上將c2f模塊替換為gs-c2f模塊，在backbone層之后添加cbam模塊，將損失函數(shù)中的ciou函數(shù)替換為wiou損失函數(shù)。

8、上述gs-c2f模塊可包括依次連接的第一cbs層、spilt層、ghostbottleneck層、拼接層、第二cbs層和se層，gs-c2f模塊的輸入特征經(jīng)過(guò)第一cbs層得到第一特征，spilt層將第一特征按通道對(duì)半分為第二特征和第三特征，第三特征經(jīng)過(guò)ghostbottleneck層得到第四特征，第二特征、第三特征、第四特征經(jīng)過(guò)拼接層進(jìn)行維度合并，最后通過(guò)se層進(jìn)行計(jì)算，得到gs-c2f模塊的輸出特征。

9、上述ghostbottleneck層融合了ghost卷積，可將輸入分為普通卷積和簡(jiǎn)單的線性操作兩部分進(jìn)行特征提取，最后進(jìn)行concat操作進(jìn)行特征融合得到最終輸出；ghost卷積首先通過(guò)卷積提取通道間的信息特征，然后使用分組卷積生成新的特征圖；通過(guò)普通卷積生成通道較小的特征圖，然后進(jìn)行線性變換；其中，普通卷積的公式為：

10、o＝i*f

11、其中，*代表卷積操作，f為卷積核，k*k為卷積核大小，o為輸出特征圖，隨后用li,j操作來(lái)將o的每個(gè)通道特征圖生產(chǎn)ghost特征圖；

12、

13、其中代表第i個(gè)內(nèi)在特征圖，代表負(fù)責(zé)生成第j個(gè)ghost?map的線性操作；最后將普通卷積和線性變換得到的特征圖拼接到一起，得到最終的輸出。

14、上述第一cbs層、第二cbs層均可采用cbs結(jié)構(gòu)，cbs結(jié)構(gòu)包括依次連接的卷積層、批歸一化層和silu激活函數(shù)層。

15、上述se層可對(duì)gs-c2f模塊的輸入特征學(xué)習(xí)全局上下文信息；se層包括squeeze部分和excitation部分，其中，squeeze部分使用全局平均池化操作將每個(gè)特征圖的空間信息壓縮成一個(gè)通道描述符，以此反應(yīng)初該通道的總體活動(dòng)水平；其中，excitation部分通過(guò)兩個(gè)全連接層捕獲通道間的依賴關(guān)系，并學(xué)習(xí)每個(gè)通道的權(quán)重，從而增強(qiáng)或抑制特定的特征響應(yīng)。

16、上述預(yù)處理的方式可包括調(diào)整還原爐圖像的大小、圖像歸一化、通道調(diào)整和圖像填充。

17、本發(fā)明的技術(shù)方案之二是通過(guò)以下措施來(lái)實(shí)現(xiàn)的：一種基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)裝置，包括：

18、圖像獲取及預(yù)處理模塊，用于獲取還原爐內(nèi)圖像，對(duì)還原爐內(nèi)圖像進(jìn)行預(yù)處理，得到預(yù)處理后的還原爐內(nèi)圖像；

19、模型構(gòu)建訓(xùn)練模塊，用于構(gòu)建還原爐霧化檢測(cè)模型并訓(xùn)練，得到經(jīng)訓(xùn)練的還原爐霧化檢測(cè)模型；

20、預(yù)測(cè)模塊，用于將預(yù)處理后的還原爐內(nèi)圖像輸入到經(jīng)訓(xùn)練的還原爐霧化檢測(cè)模型，得到霧化檢測(cè)結(jié)果。

21、本發(fā)明的技術(shù)方案之三是通過(guò)以下措施來(lái)實(shí)現(xiàn)的：一種電子設(shè)備，包括存儲(chǔ)器和處理器，存儲(chǔ)器上存儲(chǔ)有可在處理器上運(yùn)行的程序，處理器執(zhí)行程序時(shí)實(shí)現(xiàn)上述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法。

22、本發(fā)明的技術(shù)方案之四是通過(guò)以下措施來(lái)實(shí)現(xiàn)的：一種存儲(chǔ)介質(zhì)，存儲(chǔ)介質(zhì)存儲(chǔ)有一個(gè)或者多個(gè)程序，一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)上述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法。

23、本發(fā)明構(gòu)建還原爐霧化檢測(cè)模型并訓(xùn)練，得到經(jīng)訓(xùn)練的還原爐霧化檢測(cè)模型，還原爐霧化檢測(cè)模型包括幽靈注意力特征提取網(wǎng)絡(luò)、幽靈注意力聚合特征金字塔網(wǎng)絡(luò)，幽靈注意力特征提取網(wǎng)絡(luò)和幽靈注意力聚合特征金字塔網(wǎng)絡(luò)在yolov8網(wǎng)絡(luò)的特征提取網(wǎng)絡(luò)和路徑聚合網(wǎng)絡(luò)的基礎(chǔ)上將c2f模塊替換為gs-c2f模塊，在backbone層之后插入cbam模塊，將損失函數(shù)中的ciou函數(shù)替換為wiou損失函數(shù)；將預(yù)處理后的還原爐運(yùn)行圖像輸入到經(jīng)訓(xùn)練的還原爐霧化檢測(cè)模型，得到霧化檢測(cè)結(jié)果，解決了計(jì)算量大、準(zhǔn)確度低的問(wèn)題。本發(fā)明通過(guò)使用線性變換減少參數(shù)和注意力機(jī)制集成的思想設(shè)計(jì)了g2f-gs模塊，該g2f-gs模塊通過(guò)減少參數(shù)量實(shí)現(xiàn)更高的參數(shù)利用效率以及更低的計(jì)算復(fù)雜度。本發(fā)明將g2f-gs模塊應(yīng)用于yolov8網(wǎng)絡(luò)的特征提取網(wǎng)絡(luò)中，豐富了特征提取網(wǎng)絡(luò)梯度流，減少了計(jì)算量。此外，根據(jù)g2f-gs模塊在yolov8網(wǎng)絡(luò)的具有特征金字塔網(wǎng)絡(luò)的路徑聚合網(wǎng)絡(luò)的基礎(chǔ)上設(shè)計(jì)了全新的特征金字塔網(wǎng)絡(luò)并加入了cbam模塊，并將損失函數(shù)替換為wiou以增強(qiáng)對(duì)霧化特征的多尺度融合。本發(fā)明在提高霧化檢測(cè)精度的同時(shí)，降低了模型的參數(shù)量和復(fù)雜度，提高了檢測(cè)速度，滿足了工業(yè)檢測(cè)實(shí)時(shí)性的要求。

技術(shù)特征：

1.一種基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法，其特征在于包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法，其特征在于還原爐霧化檢測(cè)模型包括輸入端、backbone、neck、head，backbone在yolov8網(wǎng)絡(luò)的特征提取網(wǎng)絡(luò)和具有特征金字塔網(wǎng)絡(luò)的路徑聚合網(wǎng)絡(luò)的基礎(chǔ)上將c2f模塊替換為gs-c2f模塊，在backbone層之后添加cbam模塊，將損失函數(shù)中的ciou函數(shù)替換為wiou損失函數(shù)。

3.根據(jù)權(quán)利要求2所述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法，其特征在于gs-c2f模塊包括依次連接的第一cbs層、spilt層、ghostbottleneck層、拼接層、第二cbs層和se層，gs-c2f模塊的輸入特征經(jīng)過(guò)第一cbs層得到第一特征，spilt層將第一特征按通道對(duì)半分為第二特征和第三特征，第三特征經(jīng)過(guò)ghostbottleneck層得到第四特征，第二特征、第三特征、第四特征經(jīng)過(guò)拼接層進(jìn)行維度合并，最后通過(guò)se層進(jìn)行計(jì)算，得到gs-c2f模塊的輸出特征。

4.根據(jù)權(quán)利要求3所述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法，其特征在于ghostbottleneck層融合了ghost卷積，將輸入分為普通卷積和簡(jiǎn)單的線性操作兩部分進(jìn)行特征提取，最后進(jìn)行concat操作進(jìn)行特征融合得到最終輸出；ghost卷積首先通過(guò)卷積提取通道間的信息特征，然后使用分組卷積生成新的特征圖；通過(guò)普通卷積生成通道較小的特征圖，然后進(jìn)行線性變換；其中，普通卷積的公式為：

5.根據(jù)權(quán)利要求3或4所述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法，其特征在于第一cbs層、第二cbs層均采用cbs結(jié)構(gòu)，cbs結(jié)構(gòu)包括依次連接的卷積層、批歸一化層和silu激活函數(shù)層。

6.根據(jù)權(quán)利要求3或4所述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法，其特征在于se層對(duì)gs-c2f模塊的輸入特征學(xué)習(xí)全局上下文信息；se層包括squeeze部分和excitation部分，其中，squeeze部分使用全局平均池化操作將每個(gè)特征圖的空間信息壓縮成一個(gè)通道描述符，以此反應(yīng)初該通道的總體活動(dòng)水平；其中，excitation部分通過(guò)兩個(gè)全連接層捕獲通道間的依賴關(guān)系，并學(xué)習(xí)每個(gè)通道的權(quán)重，從而增強(qiáng)或抑制特定的特征響應(yīng)。

7.根據(jù)權(quán)利要求1或2或3或4所述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法，其特征在于預(yù)處理的方式包括調(diào)整還原爐圖像的大小、圖像歸一化、通道調(diào)整和圖像填充。

8.一種基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)裝置，其特征在于包括：

9.一種電子設(shè)備，包括存儲(chǔ)器和處理器，存儲(chǔ)器上存儲(chǔ)有可在處理器上運(yùn)行的程序，其特征在于，處理器執(zhí)行程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任意一項(xiàng)所述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法。

10.一種存儲(chǔ)介質(zhì)，其特征在于，存儲(chǔ)介質(zhì)存儲(chǔ)有一個(gè)或者多個(gè)程序，一個(gè)或者多個(gè)程序可被一個(gè)或者多個(gè)處理器執(zhí)行，以實(shí)現(xiàn)如權(quán)利要求1至7中任意一項(xiàng)所述的基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法。

技術(shù)總結(jié)
本發(fā)明涉及多晶硅制備技術(shù)領(lǐng)域，是一種基于目標(biāo)檢測(cè)技術(shù)的輕量化還原爐霧化檢測(cè)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，其方法包括以下步驟：獲取還原爐爐內(nèi)圖像，對(duì)還原爐爐內(nèi)圖像進(jìn)行預(yù)處理，得到預(yù)處理后的還原爐爐內(nèi)圖像；構(gòu)建還原爐霧化檢測(cè)模型并訓(xùn)練，得到經(jīng)訓(xùn)練的還原爐霧化檢測(cè)模型；將預(yù)處理后的還原爐運(yùn)行圖像輸入到經(jīng)訓(xùn)練的還原爐霧化檢測(cè)模型中，得到霧化檢測(cè)結(jié)果。本發(fā)明在提高霧化檢測(cè)精度的同時(shí)，降低了模型的參數(shù)量和復(fù)雜度，提高了檢測(cè)速度，滿足了工業(yè)檢測(cè)實(shí)時(shí)性的要求。

技術(shù)研發(fā)人員：錢育蓉,徐壯,撒金海
受保護(hù)的技術(shù)使用者：新疆大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19