[發明專利]一種X射線定向儀缺陷識別的批量處理方法

有效

• 申請號: 201810915378.2
• 申請日: 2018-08-13
• 公開（公告）號: CN109034262B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 關守平;王玉勇
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01N23/20
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 劉曉嵐

本發明提出一種X射線定向儀缺陷識別的批量處理方法，屬于單晶材料加工領域，提出了離線批量式單晶晶體缺陷檢測方法，設計了單晶晶體回擺曲線的特征向量，以抽象出曲線特征，結合粒子群優化算法，并引入基于密度函數的有效半徑，改進了傳統FCM算法，提升算法對于初始化聚類中心的魯棒性，避免陷入局部極優，并很好地過濾干擾數據，從而實現對批量數據進行聚類，之后僅需對聚類中心特征向量進行缺陷檢測，根據隸屬度關系即可得到所有待測曲線的缺陷類型，其中包含了本發明提出的改進的模糊傳遞閉包聚類算法，定義模糊相似矩陣，保證了相似計算的準確性，本發明為晶體檢測技術提供了全新的思路和實現方式。

技術領域

本發明屬于單晶材料加工領域，具體涉及一種X射線定向儀缺陷識別的批量處理方法。

背景技術

在晶體生長過程中，不可避免的問題就是晶體缺陷，因其技術固有的局限性會導致存在非理想的晶體結構。工業上，高精度、高效率的X射線衍射技術是常用的晶體缺陷無損檢測手段，通過單晶晶體對X射線產生衍射，接收衍射信號得到對應特征曲線，即回擺曲線，基于回擺曲線特征即可分析待測晶體的品質特征。

目前，基于上述技術用于單晶晶體缺陷檢測的X射線定向儀自動化水平欠缺，質量參差不齊，呈現“一人一機一庫一片”的現象。儀器需人工參與，且無法高效、準確、智能地識別單晶晶體的缺陷類型；各單晶晶體檢測數據相互獨立，各儀器僅為“信息孤島”，無法相互借鑒、相互學習，不能更新、共享樣本庫；一次僅能進行一片單晶晶體的檢測工作，無法對來自其他儀器的待識別回擺曲線數據進行識別檢測，無法離線對批量回擺曲線進行快速檢測。隨著單晶晶體材料的發展，應用面越來越廣，對于單晶晶體材料品質的高效快速的檢測技術需求日益迫切。

針對上述問題，本發明提出了一種X射線定向儀缺陷識別的批量處理方法，根據已經測量得到的大量單晶材料回擺曲線，以批量的形式進行缺陷類型識別，實現了單晶材料的快速自動缺陷識別，為X射線定向儀的應用提供了新的功能。

模糊劃分的概念最早由著名學者Ruspini提出，隨后由Kim等學者提出基于模糊等價關系的模糊聚類方法。該方法的基本思想為：由于模糊等價矩陣R^*是論域集U與自己的直積U×U上的一個模糊子集，其具有對稱性和自反性，因此可以對R^*進行分解，選用某一確定的閾值λ∈[0,1]作R^*的截集，截得的普通子集就是U上的一個普通等價關系。目前對于模糊等價矩陣的求取，使用最廣泛的方法是通過模糊相似矩陣R，并采用傳遞閉包方法求取模糊等價矩陣R^*，其中常用的求取模糊相似矩陣R的方法有相似系數法和距離法。在本發明的應用中，傳統的模糊傳遞閉包聚類算法不滿足需要，主要體現在如下兩個方面：(1)現有的模糊相似矩陣計算方法計算得到的數值與實際曲線相似度偏差較大；(2)現有的計算方法在計算相似度時，人眼直觀不相似的兩條曲線仍有一定的相似度。本發明將設計一種新的模糊相似矩陣的計算方法進行相應改進。

模糊聚類是一種采用模糊數學語言對事物按一定的要求進行描述和分類的數學方法。Fuzzy c-means(FCM)算法是一種基于目標函數的模糊聚類算法，其基本思想是以KCM算法為根據，并引入模糊集的理念，從硬劃分轉變為軟劃分。FCM算法根據極小值條件計算出聚類中心和隸屬度矩陣的迭代公式，通過迭代計算得到使目標函數達到最小值的聚類中心和隸屬度矩陣，從而得到數據集的精確分類。FCM算法存在如下兩方面的不足：(1)FCM算法的初始聚類中心較差時，系統容易陷入局部最優；(2)FCM算法對所有的異常數據無能為力，所有異常數據均被分類。本發明將對傳統FCM算法進行改進并應用。該方法識別效率高，識別準確，能夠甄別異常數據，魯棒性好，為批量待測單晶晶體缺陷檢測的實現提供了一種有效的方法。

發明內容

本發明的目的在于針對現階段X射線定向儀存在的不足以及市場對于離線批量檢測技術的需求，提出一種X射線定向儀缺陷識別的批量處理方法，包括如下步驟：