← 返回列表

一种基于D-LKA网络模型的硅片烘干改善方法及其装置

申请号: CN202410211470.6
申请人: 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
更新日期: 2026-03-17

专利详细信息

项目 内容
专利名称 一种基于D-LKA网络模型的硅片烘干改善方法及其装置
专利类型 发明申请
申请号 CN202410211470.6
申请日 2024/2/27
公告号 CN117781661A
公开日 2024/3/29
IPC主分类号 F26B21/06
权利人 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
发明人 李文清; 徐志群; 毕喜行; 汤琦
地址 广东省珠海市金湾区三灶镇湖滨路1566号; 广东省珠海市横琴新区荣澳道153号4幢二层B25单元

摘要文本

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。

专利主权项内容

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;对深度学习框架进行训练,得到D-LKA网络模型;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;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。