现阶段方形等直径硅碳棒瑕疵检侧主要依靠人工进行检测，本研究针对人工检侧效率低下、劳动强度大的问题，从机器视觉角度出发，以工业化应用为背景，对方形等直径硅碳棒表面常见的凹坑、崩边、晶裂、亮点、水印、未磨到、污渍、线痕八类瑕疵进行视觉检侧。主要研究内容包括以下几个方面:

        (1)方形等直径硅碳棒瑕疵数据采集装置的自主设计。针对方形等直径硅碳棒表面强反光造成成像困难的问题提出结构光补光方法，并采用Tracepro仿真软件验证补光方法的可行性。提出多相机检侧方法，满足了等直径硅碳棒大面积、多角度检侧需求。结合实际现场工艺流程设计了采集装置，基于OPCUA通讯技术完成与西门子1511-PLC的信息交互，根据人工检测结果实现了瑕疵数据的智能化采集。

        (2)方形等直径硅碳棒表面瑕疵数据集的制作.根据企业对等直径硅碳棒瑕疵内控标准明确了等直径硅碳棒瑕疵数据采集和瑕疵分类依据，对所收集含有瑕疵的图片按照瑕疵分类依据进行分类并标注，针对样本数量少和不同瑕疵数量的不平衡问题进行了数据增强，最终得到硅捧瑕疵数据集。

        (3)基于深度学习技术的等直径硅碳棒瑕疵检测方法.选用YOLOv5神经网络框架中yolov5s和yolov5u两种模型进行瑕疵特征提取。分别获得了两种模型进行检侧的最优权重，模型检侧准确率分别为0.82和0.83，灵敏度分别为0.92和0.91.根据实际工业应用环境中实时性检侧需求，选用yolov5s模型训练所得最优权重进行工业应用部署。

        (4)硅捧瑕疵检侧系统的工业部署与分析验证及系统优化。基于openYINO完成了模型在检侧系统中的部署，进一步完成了系统各模块的开发和工业应用部署。并从检侧系统工程应用需求角度提出检准率、多检率和过检率三个评价指标。针对部分瑕硫检准率过低的问题，提出了待检侧目标区域限制去除背景干扰的检侧方法和多置信度瑕疵分类方法，经过试验验证采用待检侧目标区域限制方法后检准率提高2.3%，基于多置信度瑕疵分类方法将凹坑、亮点、水印和污渍类瑕疵检准率分别提高s.9}c,钱、器和3%。针对系统补光影响因素进行了分析，设计了仿真实验，分析了幕布角度、光源长度对成像质量的影响。检测系统经过实际运行测试，得到了系统对凹坑、崩边、晶裂、亮点、水印、未磨到、污演、线痕瑕疵类别检准率分别85.2%,94.5%.91%.87.1%.91.5%.95%.88.1%.95%，多检率分别为10.Z%,2.3%,1.5%,1.1%,3.6%.1.3%.8.4%.4%,漏检率分别为0.2%,1_1%.2.3%,0.lx,1.器、0.2%,1.界、0.1x.http://www.guitanbang.net.cn/

• 硅碳棒安装时注意事项
• 等直径硅碳棒型产品规格及参数表
• 硅碳棒型号和规格的选择
• 碳化硅制品核心应用领域
• 硅碳棒为何易断裂
• 硅碳棒在玻璃行业中的使用常识
• 碳化硅保护管生产工艺产品特性及主要用途
• 正确使用硅碳棒经验方法
• 硅碳棒保护管的特色
• 硅碳棒元件的联结方式可串可并
• 硅碳棒的分类及应用介绍
• 硅钼棒表面负荷及升温电压调整