[发明专利]基于支持向量机回归的晶体直径测量方法

说明书

技术领域

本发明属于测量技术领域，涉及一种基于支持向量机回归的晶体直径测量方法。

背景技术

在单晶硅生长的直径控制系统中，晶体直径的检测是保证单晶硅能够等径生长的关键步骤，拉单晶的过程始终保持在高温负压的环境中，直径检测必须隔着观察窗在拉晶炉体外部非接触式实现，拉晶过程中固态晶体与液态溶液的交接处会形成一个明亮的光环，亮度很高，称之为光圈，它其实是固液交接面处的弯月面对坩埚壁亮光的反射，当结晶加速造成的晶体直径变大时，光圈直径变大，此时可以通过增大拉速以及提高温度避免。反之，当结晶变慢晶体直径变小时光圈变小，则可以通过减小拉速和降温阻止晶体直径变小。在结晶的过程中，光圈直径的变化与生长中晶体的直径是一致的，因此光圈的直径可用作控制变量来调节拉速和控温以便最终生成的晶体接近完美的圆柱形。所以，当前光圈孔径的直径测量在单晶硅生长控制系统中起着至关重要的作用，因此，检测孔径的变化趋势也等价于检测到了晶体直径的变化趋势，这样晶体的直径估计问题就可以转化为椭圆拟合的问题。

对于晶体直径控制的先进、可靠的方法是非常重要的，它关系到能否及早发现问题，以降低不必要的损失。拟合问题可以描述为：给定一系列平面上的点，寻找拟合这些点的最佳椭圆。椭圆拟合算法通常可以分为2类：基于聚类的技术（如运算量较大的霍夫变换以及最小二乘方法，其中最小二乘方法通过最小化误差获得椭圆参数。最小二乘方法又可以分为两类：第一类为基于数据点和估计椭圆之间正交距离的几何方法，其通过迭代过程解决非线性优化问题获得椭圆参数；第二类为代数方法，其由于线性计算简单而使用较广。代数方法的最新进展为直接最小二乘方法，其主要贡献为施加了新的限制保证其结果为一椭圆并保持计算有效性。最近，Barwick提出一种基于平行弦2次多项式的非间接几何方法，但该方法必须首先获得平行弦进而才可以执行，一旦无法获取平行弦，该方法就失效。

因此，上述的检测方法都存在一定的局限性和不可靠性，并且有的方法样本点采集要求高、计算复杂，精确性达不到技术上的要求。

发明内容

本发明的目的是提供一种基于支持向量机回归的晶体直径测量方法，解决了现有技术中的检测方法都存在一定的局限性和不可靠性，并且有的方法样本点采集要求高、计算复杂，精确性达不到技术上的要求问题。

本发明所采用的技术方案是，一种基于支持向量机回归的晶体直径测量方法，首先采用CCD照相机采集单晶硅生长过程中的孔径图像，对该孔径图像进行预处理得到用于估计的采样点；然后，针对椭圆的标准模型推导出来一个用于支持向量机回归的ε-SVR模型，利用ε-SVR模型解出模型中的权值w及偏移量b，从而确定出椭圆拟合的参数。

本发明的有益效果是，能准确的估计晶体生长中的直径变化，使生长中的晶体直径得到很好的控制，又能在很少样本点的情况下进行很好的直径拟合，在解决高维数据时发挥了很大的优势，这是其他方法所不能达到的。

附图说明

图1是本发明方法用于孔径图像提取的CCD照相机安装位置图；

图2是本发明方法利用CCD照相机获得的孔径图像示意图；

图3是本发明方法采用ε-SVR方法得到的内外椭圆拟合结果图；

图4是本发明方法采用ε-SVR方法得到的实际拟合效果图。

具体实施方式

支持向量机回归(Support Vector machines for Regression，简称SVR)。支持向量机(Support Vector Machine)是根据统计学理论中的最小化原则提出来的，由有限数据得到判别函数，对独立的测试样本能够得到较小的误差。

本发明基于支持向量机回归的晶体直径测量方法是，首先采用CCD照相机采集单晶硅生长过程中的孔径图像，对该孔径图像进行预处理得到用于估计的采样点；然后，针对椭圆的标准模型推导出来一个用于支持向量机回归的模型，利用ε-SVR模型解出模型中的权值w及偏移量b，从而确定出椭圆拟合的参数。在整个的拟合参数的估计过程中，关于ε-SVR椭圆估计模型的构建很重要，为了避免过拟合情况下出现无意义解，本发明方法通过对估计模型进行巧妙的转化，在此过程中，关于模型中惩罚因子C和不敏感损失系数ε的选取很重要，C值选取过小，训练误差变大，系统的泛化能力变差，C值选取过大，也会导致系统的泛化能力变差；不敏感系数ε值选取的过小，回归估计精度高，但支持向量数增多，ε值选取的过大，回归估计精度降低，但支持向量数减小。