本发明涉及石英加工，更具体地说，本发明涉及精烧工艺关键参数的在线实时监测与质量控制方法及系统。
背景技术：
1、石英玻璃由单一的二氧化硅成分构成，其si-o键呈短程有序、长程无序排列。因此具有普通玻璃无可比拟的优异的物理化学性质，广泛应用于半导体、航空航天、激光核技术、光纤通信、惯性导航等领域，精烧是石英加工过程中重要步骤之一，石英精烧过程中，其质量容易受到石英内部杂质的影响，石英内部杂质主要为包裹体，包裹体通常分为矿物包裹体、熔融包裹体和流体包裹体，包裹体的种类和含量主要取决于矿物的成岩环境和结晶学的变化，那么需要通过在石英进行精烧以及后续退火过程中，对关键参数进行监测和质量控制以提高石英加工的质量，现有技术中，虽然出现了通过人工智能技术与传统工艺相结合的方式，进行关键参数的实时监测，但依然还存在较多的问题；
2、例如，授权公告号为cn111007035b的中国专利公开了基于卷积神经网络的二燃室高温气体浓度检测方法、系统、装置及存储介质，上述专利建立基于卷积神经网络的气体浓度测量模型，通过气体浓度测量模型对二燃室高温气体浓度进行实时监测，该专利虽然实现了实时监测，但还存在以下问题：
3、上述专利只是简单的通过气体浓度测量模型对二燃室高温气体浓度进行实时监测，难以应对复杂的情况，石英在精烧过程中，由于包裹体的种类不同，从而产生的气体也不尽相同，仅通过测量浓度难以进行区分，并且后续也没有相应的技术手段，评估是否对装置进行了过度控制，从而造成不利的影响。
4、鉴于此，本发明提出精烧工艺关键参数的在线实时监测与质量控制方法及系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明提供精烧工艺关键参数的在线实时监测与质量控制方法及系统。
2、为实现上述目的，本发明提供如下技术方案：
3、精烧工艺关键参数的在线实时监测与质量控制方法，包括：
4、s10：获取至少一个石英的二维图像以及第一三维点云，基于二维图像以及第一三维点云确定石英体积；
5、s20：获取石英精烧过程中的废气排出数据，根据废气排出数据以及预构建的第一机器学习模型确定石英内部包裹体种类，包裹体种类包括矿物包裹体、熔融包裹体和流体包裹体；
6、s30：基于包裹体种类确定气体通入方式，根据石英体积、气体通入方式和预构建的第二机器学习模型获得气体通入量，气体通入方式包括氧气通入和氮气通入；
7、s40：判断气体通入方式是否为氧气通入，若是，则获取石英退火环境中的水蒸气浓度，根据水蒸气浓度确定是否停止氧气通入。
8、进一步地，基于二维图像以及三维点云确定石英体积的方法包括：
9、基于二维图像和图像坐标系获取石英的第一特征点坐标，所述特征点包括角点、边缘点和轮廓局部极值点；
10、根据深度相机的内参数将第一特征点坐标转化为第二特征点坐标，基于深度相机的外参数将第二特征点坐标转化为第三特征点坐标，所述第二特征点坐标为第一特征点在相机坐标系下的坐标，所述第三特征点坐标为第二特征点坐标在世界坐标系下的坐标；
11、将第一三维点云放置在世界坐标系下，并获取第一三维点云中的第一点云坐标，所述第一点云坐标包括角点坐标、边缘点坐标和轮廓局部极值点坐标；
12、基于最近邻匹配算法建立第三特征点坐标与第一点云坐标的对应关系；
13、根据对应关系将第一三维点云转化为第二三维点云；
14、遍历第二三维点云，根据预构建的体素网格将第二三维点云的各个点根据自身坐标映射到最近体素中以形成三维点云模型，根据三维点云模型生成石英体积，体素网格包括有h个体素，h为大于1的正整数。
15、进一步地，建立第三特征点坐标与第一点云坐标的对应关系的方法包括：
16、在世界坐标系下，通过生成第三特征点坐标与第一点云坐标的欧氏距离，判断欧氏距离是否小于预设距离阈值，若小于，则将第三特征点坐标与第一点云坐标建立对应关系。
17、进一步地，根据预构建的体素网格，将第二三维点云的各个点根据自身坐标映射到最近体素的方法包括：
18、遍历第二三维点云的各个点，通过kd树进行最近邻搜索，通过计算第二三维点云的各个点与邻近体素的距离，确定距离最小的邻近体素为最近体素，将各个点根据自身坐标映射到最近体素。
19、进一步地，根据三维点云模型生成石英体积的方法包括：
20、计算体素网格中每个体素的体积，通过相加获取三维点云模型的体积。
21、进一步地，第一机器学习模型的构建方法包括：
22、获取i组数据，i为大于1的正整数，数据包括废气排出数据和包裹体种类，将废气排出数据和包裹体种类作为样本集，将样本集划分为训练集和测试集，构建分类器，将训练集中的废气排出数据作为输入数据，将训练集中的包裹体种类作为输出数据，对分类器进行训练，得到初始分类器，利用测试集对初始分类器进行测试，输出满足预设准确度的分类器作为第一机器学习模型。
23、进一步地，基于包裹体种类确定气体通入方式的方法包括：
24、当包裹体种类为流体包裹体时，则为氧气通入；
25、当包裹体种类不为流体包裹体时，则为氮气通入。
26、进一步地，第二机器学习模型的构建方法包括：
27、获取样本数据集，所述样本数据集中包括石英体积、气体通入方式和气体通入量，将样本数据集划分为样本训练集和样本测试集，构建回归网络，以样本训练集中的石英体积和气体通入方式作为回归网络的输入数据，以样本训练集中的气体通入量作为回归网络的输出数据，对回归网络进行训练，得到用于预测实时气体通入量的初始回归网络，利用样本测试集对初始回归网络进行测试，输出满足预设测试准确度的回归网络作为第二机器学习模型。
28、进一步地，根据水蒸气浓度确定是否停止氧气通入的方法包括：
29、在氧气通入的t时间后，判断水蒸气浓度是否小于浓度阈值，若水蒸气浓度小于浓度阈值，则停止氧气通入。
30、精烧工艺关键参数的在线实时监测与质量控制系统，其用于实现上述的精烧工艺关键参数的在线实时监测与质量控制方法，包括：
31、数据获取模块：获取至少一个石英的二维图像以及第一三维点云，基于二维图像以及第一三维点云确定石英体积；
32、判别模块：获取石英精烧过程中的废气排出数据，根据废气排出数据以及预构建的第一机器学习模型确定石英内部包裹体种类，包裹体种类包括矿物包裹体、熔融包裹体和流体包裹体；
33、方式确定模块：基于包裹体种类确定气体通入方式，根据石英体积、气体通入方式和预构建的第二机器学习模型获得气体通入量，气体通入方式包括氧气通入和氮气通入；
34、终止模块：判断气体通入方式是否为氧气通入，若是，则获取石英退火环境中的水蒸气浓度，根据水蒸气浓度确定是否停止氧气通入。
35、相比于现有技术，本发明的有益效果为：
36、本发明先通过二维图像和点云数据获取石英的体积，在石英进行精烧的过程中，通过废气排出数据确定石英内部主要的包裹体种类，根据包裹体种类不同采取不同的气体通入方式，再根据石英的体积确定气体通入量，使得石英的退火阶段时，能够控制石英的质量，后续还通过对水蒸气浓度进行检测，判断是否停止氧气通入，避免过度氧气通入导致石英质量的下降。
1.精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，包括：
2.根据权利要求1所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，所述基于二维图像以及三维点云确定石英体积的方法包括：
3.根据权利要求2所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，所述建立第三特征点坐标与第一点云坐标的对应关系的方法包括：
4.根据权利要求2所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，所述根据预构建的体素网格，将第二三维点云的各个点根据自身坐标映射到最近体素的方法包括：
5.根据权利要求2所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，所述根据三维点云模型生成石英体积的方法包括：
6.根据权利要求1所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，所述第一机器学习模型的构建方法包括：
7.根据权利要求1所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，所述基于包裹体种类确定气体通入方式的方法包括：
8.根据权利要求1所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，所述第二机器学习模型的构建方法包括：
9.根据权利要求1所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，所述根据水蒸气浓度确定是否停止氧气通入的方法包括：
10.精烧工艺关键参数的在线实时监测与质量控制系统，其用于实现权利要求1至9任一项所述的精烧工艺关键参数的在线实时监测与质量控制方法，其特征在于，包括：
