基于光圈模式识别的直拉晶体生长温度测量技术研究

摘要

引晶是直拉法单晶生长过程中一个很重要的环节,这个阶段的温度检测主要是由现场操作人员观察坩埚炉内物理现象来完成的。鉴于大规模和超大模集成电路产业的不断发展,对单晶硅的品质、生产单晶的设备等方面都有更高的要求。传统人工检测已渐渐满足不了现代高效生产的要求。因而,迫切需要一种方法,可以自动、准确的检测引晶温度。
　　本文针对引晶环节温度寻找需要人工干预,提出一种数字图像处理技术与模糊分类相结合的检测方法,力图实现引晶温度的自动化搜索,提高生产效率和检测数度。方案采用籽晶与硅熔液接触处处的光圈图像作为检测手段,利用模糊分类的知识划分温度模式。采用维视MV-3000UV摄像机和MV-2003智能云控制器相结合的图像采集装置,采集原始图像数据库和待辨识图像。在上位机中采用相关图像算法对图像进行ROI获取、二值化、边缘提取等图像预处理,然后对ROI图像提取光圈图像特征,得到光圈图像特征的标准数据,选取模式识别里的模糊识别,创建隶属度函数,对温度进行分类。将待分类图像的图像特征与标准数据对比,然后模糊分类,采用权系数和极大值法对识别结果去模糊,再根据不同模式指导自动控制统,调整温度,达到最佳引晶状态。
　　图像分割一直是图像处理界的难题,本论文在对ROI进行二值化时选用了一种基于灰度直方图的图像分割方法,能够适应不同的光照条件,即使在有遮挡的情况下依然可以将图像正确分割。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 引言

1.2 单晶硅发展及其市场需求

1.3 直拉法单晶硅生长概述

1.4 数字图像处理的概念及背景

1.5 图像识别技术的研究现状和优势

1.6 论文的主要研究内容及意义

1.7 论文的总体结构

2 引晶温度新检测方案的提出

2.1 光圈区

2.2 光圈的形成机理

2.3 新检测方案的提出

2.4 算 法 设 计

2.5 小节

3 图像采集

3.1 图像采集装置

3.2 小节

4 图像预处理

4.1 ROI获取

4.2 图像灰度化、二值化

4.3 光圈图像特征提取

4.4特征数据处理

4.5小节

5 模式分类

5.1模式分类简述【23~27】

5.2 模糊分类【29~34】

5.3权系数求取

5.4 识别步骤

5.5小节

6 实验验证及总结展望

6.1实验验证

6.2总结

6.3展望

致谢

参考文献