买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东金湾高景太阳能科技有限公司;高景太阳能股份有限公司

摘要：本发明提供一种基于D‑LKA网络模型的硅片烘干改善方法及其装置，其包括获取硅片烘干后的图像数据以及烘干参数数据；使用D‑LKA网络模型对图像数据进行预处理，以提取硅片表面的水痕和其他不合格特征；使用D‑LKA网络模型对预处理后的图像数据进行特征学习；判断硅片表面状态的特征是否符合条件；根据硅片表面状态的不同特征，获取硅片对应烘干过程的控制参数，当硅片需重新烘干时，通过D‑LKA网络模型根据硅片表面的特征调取对应的烘干参数，将烘干参数进行优化，并发送至循环热风系统，重新对硅片进行烘干。本发明将D‑LKA网络模型应用在硅片烘干工序中，实现了硅片筛选的无人化，完成了对烘干参数的优化，人力时间成本低，硅片生产效率、质量高。

主权项：1.一种基于D-LKA网络模型的硅片烘干改善方法，其特征在于，该方法包括以下步骤：获取硅片烘干后的图像数据，以及循环热风系统对应的各烘干参数数据，作为所述D-LKA网络模型训练数据的输入；其中，在进行图像数据预处理时，对图像的像素值进行线性缩放，将图像的像素值映射到指定的范围-1到1之间；所述烘干参数为硅片烘干过程中所需的各项控制参数，其包括烘干温度、烘干时间、循环热风系统的风速；通过D-LKA网络模型学习表面水分不一的硅片烘干所需的各项控制参数；对深度学习框架进行训练，得到D-LKA网络模型；其中，所述D-LKA网络模型的训练包括：数据采集：在数据采集阶段，收集包括有水痕和无水痕硅片的图像数据；标签数据：为每个图像样本分配相应的标签；数据划分：将整个数据集划分为训练集、验证集和测试集；数据增强；搭建D-LKA网络模型：使用深度学习框架搭建深度学习模型，其中，模型的输入为是硅片图像和对应的各烘干参数数据，输出为硅片是否清洗达标的预测结果；D-LKA网络模型的搭建包括：图像输入，将获取硅片烘干后的图像输入D-LKA网络模型；经过一次卷积层；经过一次GELU函数；经过大卷积核层；将经过GELU函数的输出与经过大卷积核层的输出进行合并并输出；模型训练：使用训练集对卷积与注意力机制混合神经网络进行训练；模型评估和测试：使用测试集对训练好的模型进行评估和测试；将获取到的图像数据作为数据输入，使用D-LKA网络模型进行预处理和分析，以提取硅片表面的水痕和其他不合格特征；使用D-LKA网络模型对预处理后的图像数据进行特征学习；其中，D-LKA模型根据特征学习结果分析需要重新烘干的硅片的特征，即从硅片表面有水痕到硅片表面无水痕对应的烘干参数的变化趋势，然后输出该硅片关于无水痕的烘干参数；通过特征学习后的图像数据判断硅片表面状态的特征是否符合清洗达标要求；根据硅片表面状态的不同特征，获取硅片对应烘干过程的控制参数，当硅片需重新烘干时，通过D-LKA网络模型根据硅片表面的特征调取对应的烘干参数，将烘干参数进行优化，并通过消息队列的方式将优化后的烘干参数发送至循环热风系统，该循环热风系统根据优化后的烘干参数重新对硅片进行烘干。

全文数据：

权利要求：

百度查询： 广东金湾高景太阳能科技有限公司 高景太阳能股份有限公司 一种基于D-LKA网络模型的硅片烘干改善方法及其装置