一种半导体阀门的加工系统及其方法与流程

本技术涉及半导体阀门智能加工领域，且更为具体地，涉及一种半导体阀门的加工系统及其方法。

背景技术：

1、半导体精密阀门镜面抛光是采用人工手持打磨工具夹持砂纸棒、橡胶磨头、羊毛磨头等耗材对夹持在工作台的零件进行打磨、抛光处理。但是人工对半导体精密阀门进行镜面抛光导致产品的质量参差不齐，同时人工生产的效率极低、劳动强度大和耗材损耗快等缺点。

2、针对上述问题，中国专利cn111230601 b揭露了一种半导体精密阀门镜面处理方法，其根据待抛磨孔的情况来选择相应的磨头循序渐进地对孔由粗到细地进行打磨和抛光。虽然上述方案能够提高半导体阀门加工精度，但在实际生产中，却发现半导体阀门的各个面的精度一致性较差，也就是，各个面的抛光质量之间存在较大差异。

3、因此，期待一种优化的半导体阀门的加工方案。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种半导体阀门的加工系统及其方法，其采用基于深度学习的人工智能检测技术，以通过图像编码器来提取半导体阀门的第一面的检测图像和第二面的检测图像中关于抛光质量的高维局部隐含特征信息，并以两者之间的差异特征分布信息作为分类器的输入来进行第一面和第二面的抛光质量之间的一致性是否符合预定要求的分类判断。这样，对于半导体阀门每个面的抛光质量进行分析与比较，以在发现半导体阀门各个面的精度一致性较差时及时采取二次加工，提高半导体阀门精度的一致性。

2、相应地，根据本技术的一个方面，提供了一种半导体阀门的加工系统，其包括：

3、摄像模块，用于获取待加工半导体阀门的第一面的检测图像和所述待加工半导体阀门的第二面的检测图像；

4、分辨率增强模块，用于将所述第一面的检测图像和所述第二面的检测图像分别通过基于自动编解码器的分辨率增强器以得到第一面像素增强图像和第二面像素增强图像；

5、双重检测模块，用于将所述第一面像素增强图像和所述第二面像素增强图像通过包含第一图像编码器和第二图像编码器的双重检测模型以得到第一检测特征图和第二检测特征图，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；

6、差分模块，用于计算所述第一检测特征图和所述第二检测特征图之间的差分特征图；

7、空间增强模块，用于将所述差分特征图通过空间注意力模块以得到空间增强差分特征图；

8、通道增强模块，用于基于所述空间增强差分特征图，对所述空间增强差分特征图进行通道维度表达增强以得到分类特征图；以及

9、加工控制结果生成模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示第一面和第二面的抛光质量之间的一致性是否符合预定要求。

10、在上述半导体阀门的加工系统中，所述分辨率增强模块，包括：图像编码单元，用于将所述第一面的检测图像和所述第二面的检测图像分别输入所述分辨率增强器的编码器，其中，所述编码器使用卷积层对所述第一面的检测图像和所述第二面的检测图像分别进行显式空间编码以得到第一图像特征和第二图像特征；以及，图像特征解码单元，用于将所述第一图像特征和所述第二图像特征分别输入所述分辨率增强器的解码器，其中，所述解码器使用反卷积层对所述第一图像特征和所述第二图像特征进行反卷积处理以得到所述第一面像素增强图像和所述第二面像素增强图像。

11、在上述半导体阀门的加工系统中，所述第一图像编码器和所述第二图像编码器为深度残差网络模型。

12、在上述半导体阀门的加工系统中，所述差分模块，进一步用于：以如下公式来计算所述第一检测特征图和所述第二检测特征图之间的差分特征图；其中，所述公式为：，其中，表示所述第一检测特征图，表示第二检测特征图，表示所述差分特征图，表示按位置作差。

13、在上述半导体阀门的加工系统中，所述空间增强模块，进一步用于：使用所述空间注意力模块的卷积编码部分对所述差分特征图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；将所述空间注意力图通过softmax激活函数以得到空间注意力特征图；以及，计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到空间增强差分特征图。

14、在上述半导体阀门的加工系统中，所述通道增强模块，包括：特征相关性累积区分机制建模单元，用于以如下公式对所述空间增强差分特征图进行特征相关性累积区分机制建模以获得通道权重特征向量；其中，所述公式为：

15、

16、其中，表示所述空间增强差分特征图，和分别表示对所述空间增强差分特征图进行基于不同卷积核的单层卷积操作，且表示对所述空间增强差分特征图的每个特征矩阵的全局池化操作，表示激活函数，表示激活函数，表示按位置相加，表示所述通道权重特征向量；以及，施加单元，用于将所述通道权重特征向量各个特征值作为加权因子对所述空间增强差分特征图的沿通道维度排列的各个特征矩阵进行加权以得到所述分类特征图。

17、在上述半导体阀门的加工系统中，所述加工控制结果生成模块，包括：展开单元，用于将所述分类特征图中各个分类特征矩阵按照行向量或者列向量展开为一维特征向量后进行级联以得到分类特征向量；概率化单元，用于将所述分类特征向量输入所述分类器的softmax分类函数以得到所述分类特征向量归属于各个分类标签的概率值；以及，分类结果生成单元，用于将最大概率值对应的分类标签确定为所述分类结果。

18、根据本技术的另一方面，还提供了一种半导体阀门的加工方法，其包括：

19、获取待加工半导体阀门的第一面的检测图像和所述待加工半导体阀门的第二面的检测图像；

20、将所述第一面的检测图像和所述第二面的检测图像分别通过基于自动编解码器的分辨率增强器以得到第一面像素增强图像和第二面像素增强图像；

21、将所述第一面像素增强图像和所述第二面像素增强图像通过包含第一图像编码器和第二图像编码器的双重检测模型以得到第一检测特征图和第二检测特征图，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；

22、计算所述第一检测特征图和所述第二检测特征图之间的差分特征图；

23、将所述差分特征图通过空间注意力模块以得到空间增强差分特征图；

24、基于所述空间增强差分特征图，对所述空间增强差分特征图进行通道维度表达增强以得到分类特征图；以及

25、将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示第一面和第二面的抛光质量之间的一致性是否符合预定要求。

26、根据本技术的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的半导体阀门的加工方法。

27、根据本技术的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的半导体阀门的加工方法。

28、与现有技术相比，本技术提供的一种半导体阀门的加工系统及其方法，其采用基于深度学习的人工智能检测技术，以通过图像编码器来提取半导体阀门的第一面的检测图像和第二面的检测图像中关于抛光质量的高维局部隐含特征信息，并以两者之间的差异特征分布信息作为分类器的输入来进行第一面和第二面的抛光质量之间的一致性是否符合预定要求的分类判断。这样，对于半导体阀门每个面的抛光质量进行分析与比较，以在发现半导体阀门各个面的精度一致性较差时及时采取二次加工，提高半导体阀门精度的一致性。