基于通道注意力卷积神经网络的直拉硅单晶生长状态识别方法

本发明公开了基于通道注意力卷积神经网络的直拉硅单晶生长状态识别方法，首先收集直拉硅单晶生长过程中各个特征变量的时间序列数据，并将晶体生长数据进行生长状态分类与数据集划分，然后进行数据预处理；然后对处理过的时间序列数据进行全局慢特征提取，对全局慢特征序列数据进行学习并提取深层次特征；最后确定全局SFA与SE通道注意力机制融合的一维卷积神经网络1DCNN深度学习模型结构，在基于最大值索引的方法下完成对直拉硅单晶不同生长状态的预测与分类。本发明解决了现有技术中存在的直拉硅单晶生长过程时序特征提取效率不足、多通道特征权重分配不合理、动态特性区分能力有限的问题。