[发明专利]基于图像特征的故障检测方法及装置

说明书

本发明公开了一种基于图像特征的故障检测方法及装置。其中，该方法包括：获取待检测产品的图像及设备参数，其中，设备参数为制造待检测产品的设备的参数；提取图像的图像特征；基于第一模型对图像特征及设备参数进行分析，确定设备的故障类型，其中，第一模型为基于至少一组数据通过机器学习训练得到，至少一组数据包括图像特征、设备参数以及故障类型。本发明解决了现有的故障诊断方法依赖人工经验，诊断过程费时费力，且诊断结果的准确性较低的技术问题。

技术领域

本发明涉及故障检测领域，具体而言，涉及一种基于图像特征的故障检测方法及装置。

背景技术

在电子工业中，对硅片的需求主要表现在太阳能光伏发电和集成电路等半导体产业上，硅片切割是电子工业主要原材料—硅片生产的上游关键技术，是太阳能光伏发电和集成电路等半导体产业链上非常重要的一个环节，其中，硅片切割过程是指切片机(如图1所示，切片机包括电控柜、绕线室、砂浆系统、切割区、晶棒、排沙沟、基框、垫脚等部件)经过数小时的运转，将多晶硅或单晶硅硅锭切割成硅片的过程。

由于切片过程费时较长、切片操作较为复杂，且硅片切割设备难以达到切割工艺的精密性要求，往往会出现切割出的硅片质量不良(例如，硅片厚薄不均、线痕)，导致硅片的经济价值降低，甚至成为废片，因此，需要减少切割硅片质量不良现象的发生，以提高提高硅片的经济价值。

现有的解决方案有如下两种：一种是预先做好预防措施，以避免发生硅片质量不良的情况；另外一种是在硅片质量不良之后，及时找出导致硅片质量不良的原因，也即，对硅片切割系统和设备的故障诊断，从而避免造成对下一个生产批次中的硅片的不良影响。

但是，现有的故障诊断方法，主要基于工艺技术人员的专家经验，通过硅片图像、机器告警等信息，进行故障的诊断，主要依赖于人工经验，诊断过程费时费力，并且对工艺技术人员的经验要求较高，难以保证诊断结果的准确性和可持续性。

针对上述现有的故障诊断方法，诊断过程费时费力，且难以保证诊断结果的准确性和可持续性的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于图像特征的故障检测方法及装置，以至少解决现有的故障诊断方法依赖人工经验，诊断过程费时费力，且诊断结果的准确性较低的技术问题。

根据本发明实施例的一个方面，提供了一种基于图像特征的故障检测方法，包括：获取待检测产品的图像及设备参数，其中，设备参数为制造待检测产品的设备的参数；提取图像的图像特征；基于第一模型对图像特征及设备参数进行分析，确定设备的故障类型，其中，第一模型为基于至少一组数据通过机器学习训练得到，至少一组数据包括图像特征、设备参数以及故障类型。

根据本发明实施例的另一方面，还提供了一种基于图像特征的故障检测装置，包括：获取模块，用于获取待检测产品的图像及设备参数，其中，设备参数为制造待检测产品的设备的参数；提取模块，用于提取图像的图像特征；确定模块，用于基于第一模型对图像特征及设备参数进行分析，确定设备的故障类型，其中，第一模型为基于至少一组数据通过机器学习训练得到，至少一组数据包括图像特征、设备参数以及故障类型。

根据本发明实施例的另一方面，还提供了一种计算机终端，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取待检测产品的图像及设备参数，其中，设备参数为制造待检测产品的设备的参数；提取图像的图像特征；基于第一模型对图像特征及设备参数进行分析，确定设备的故障类型，其中，第一模型为基于至少一组数据通过机器学习训练得到，至少一组数据包括图像特征、设备参数以及故障类型。