光学晶体因其具有优异的物理特性和化学稳定性，在航空航天、精密制造等领域都有着广泛的应用。人工晶体的生长通常是在高温电加热炉内通过化料、引晶、结晶等工艺过程来完成的，炉内熔体界面的温度及梯度分布是工艺过程控制的关键。然而，在实际生产过程中，高熔点晶体化料后炉内温度高达2000℃以上，缺乏直接测量方法来获得炉内温度等物理量的分布。因此，需要依赖现场操作人员通过肉眼观察，来判断晶体生长所处状态。炉内高温高亮的生产环境，不但对操作人员的眼睛具有伤害性，而且对操作人员的经验具有强依赖性，已经成为制约人工晶体自动化生产的严重障碍。因此，利用机器视觉替代人眼，解决高熔点晶体生长界面的信息获取问题对推动人工晶体的规模化生产具有重要的意义。　　熔体界面的视觉检测是推动晶体生长设备自动化、智能化的必然趋势，是实现晶体材料智能化制造的关键。然而，炉内高温高亮环境中的热对流、热辐射、湍流流场等因素，会不可避免地对CCD相机的信号采集造成干扰，引起目标图像在焦平面上扩散而变得模糊，从而使得熔体界面的图像往往纹理不够清晰、成像质量会变差。尤其是在本文从经济成本考虑，选用较廉价的高清相机的情况下，对CCD采集到的图像信息进行预处理并实现超分辨率重建显得十分必要。　　本文针对如何提高熔体界面图像成像质量的问题开展研究，将卷积神经网络的思想引入熔体界面图像的超分辨率重建，并结合实际应用背景，对经典的重建算法进行改进，提出了基于多通道输入-祛伪影卷积神经网络的图像超分辨率重建算法(MC-ARCNN)，旨在增强熔体界面的图像纹理细节，提高熔体界面的图像分辨率。　　在理论研究的基础上，本文设计了一套基于片上系统(System on Chip，SoC)的晶体生长熔体界面检测系统原型。该系统包括熔体界面图像采集、图像显示以及图像后处理共三大功能模块。系统利用Zynq-7000处理器，搭建了可视化嵌入式Linux系统平台;利用Qt软件可跨平台的特性，结合面向对象的C++语言实现整体的应用软件设计，并利用OpenCV实现熔体界面图像超分辨率重建功能。　　最后，以熔点高达2045℃的蓝宝石晶体为研究对象的熔体图像重建仿真结果表明，本文实现的系统能有效提高熔体界面的成像质量，为实现晶体生长设备的自动化、智能化提供了有效途径。