针对硅碳棒生产环境复杂，表面瑕疵具有多样性等特点，本研究基于深度学习技术对硅碳棒表面瑕疵进行检测。系统充分结合实际生产条件，设计出硅碳棒瑕疵数据的自主采集装置，制作训练所需的瑕疵数据集，采用深度学习的方法提取瑕疵特征，后从工程应用角度，进行系统开发部署。最后，根据实际运行效果进行进一步优化。具体技术路线如图1-7所示。

       基于深度学习技术的瑕筑检测方法，关键问题是获取到大量的瑕疵数据集，后通过卷积神经网络来提取图像中瑕疵所在位置的特征.但是现阶段对于硅碳棒瑕疵数据没有公开数据集，原始的瑕筑数据缺失，因此需要对硅碳棒数据图像进行收集。在本章节，一将根据系统运行的实际求，设计硅碳棒的瑕疵数据采集装置，该装置也是后续开展系统研究的必要条件。同时，针对硅碳棒瑕疵数据采集装置的缺失，本章结合现场设备及工艺条件进行采集装胃的设计。

需求分析

       硅碳棒视觉瑕疵采集装置设计实现的主要目的是获取实际生产过程中的硅碳棒表面瑕疵图片数据，因此需要充分结合生产现场条件进行开发。将以实际的应用目标为导向，完成硅碳棒数据采集装置的开发。通过分析瑕疵数据采集装置应该满足如下需求:

       在机械结构上可以完成设备的安装固定，方便调试，且能做到尽可能不影响现场生产效率，但同时也要保证结构可靠性;

       相机能完全覆盖硅碳棒表面瑕疵检测各部位检测需求进行成像，避免因为硅碳棒图像数据采集不全而造成的瑕疵漏检情况发生;

       选用合适的补光方法，减少硅碳棒表面强反光和衍射现象对成像的影响，同时需要避免外部环境干扰，为相机成像创造良好的成像条件;

       能够按照指定需求采集到瑕疵数据，并对瑕疵数据进行分类存储，保证所采集数据的可靠性。

采集装置方案设计

       由前文中表1-1可知，所检测硅碳棒有M8和M10两种规格，M10较M8面积更大。以M10为例，M10规格的待检测硅碳棒尺寸为182mm* 182mm-750mm，待检测面具有面积大的特点，考虑到需要对硅碳棒端侧进行成像，因此存在多角度检测需求.在机器视觉领域中，对于大面积成像通常是选用高分辨率相机进行成像.但对于瑕摘检测，高分辨率相机成像也就意味着存在小目标检测问题，导致检测困难，因此提出多相机成像方法。

       针对采集装置的设计需求，用铝型材加角码的固定形式来搭建主体的机械机构，采用铝型材与角码的固定方式具有结构简单、易调试的优点。针对硅碳棒被检测面存在空间多角度的检测需求，提出多相机检测方法，该装置中选用四台工业相机对硅碳棒进行检测，其中两台工业相机用于硅碳棒上表面的图像采集，另外两台分别对检测硅碳棒两端及边角进行成像。具体采集范围如图2-1虚线框所示，1 4分别对应四台工业相机所狡盖的区域，其中采集区域①与采集区域④代表硅碳棒两端部分面及部分上表面成像范围，采集区域⑧与采集区域③为相机在硅碳棒在上表面的成像区域，相邻两个采集区域设定有部分交集，，目的是遥免出现待检测区域成像不全，而造成硅碳棒瑕疵的漏检现象发生。11页，http://www.zbqunqiang.cn/