基于深度学习的石英玻璃无接触拉管工艺参数优化方法

本发明公开了一种基于深度学习的石英玻璃无接触拉管工艺参数优化方法，包括以下步骤：1）在玻璃管的连续成型过程中，对工艺参数以及成型质量指标进行实时采集；2）对玻璃管表面和横截面进行实时成像；3）以步骤2）获取的图像和对应的工艺参数组合为输入，基于深度学习检测模型进行缺陷检测与分类；4）根据几何精度指标与缺陷风险指标获得成型质量代价函数，评价不同工艺参数下的成型质量；5）将综合质量评分与对应批次的工艺参数一并输入到贝叶斯优化模型中，获得最优工艺参数组合；6）根据贝叶斯优化输出的最优工艺参数组合，调整无接触拉管装置的关键控制变量。本发明方法实现工艺参数的自适应调节和产品质量的优化。