蓝宝石以其优异的物理性能和化学稳定性,在多个领域有着广泛的应用。人工制备蓝宝石晶体是以高纯度Al2O3为原料,通过加热融化原料并利用籽晶使其重新结晶的过程。目前,行业内广泛采用泡生法制备大尺寸蓝宝石晶体。高质量的接种是泡生法生长高质量晶体的保证。然而现阶段国内的企业在接种阶段完全依靠人工经验,对接种时机的判断主观性过强,缺乏系统的接种理论,且接种阶段炉内熔体处于高温、强光的环境,不利于人眼观察,以上的主客观因素限制了成品的良品率,导致接种效率低。因此,完善理论体系,并形成技术标准是推动行业发展的关键所在。针对接种阶段存在的问题,本文对泡生法制备蓝宝石接种阶段进行了理论计算及数值模拟,将数值模拟的结果结合人工经验,提出了判断接种时机的新方法,建立了泡生法引晶视觉速度模型。本文首先采用基于语义分割的全卷积神经网络来代替传统的图像处理技术,并在网络中加入跳级结构进行优化,解决了现有理论模型在图像处理方面准确率低、不满足实时性要求的问题,提高了检测效率。之后以全卷积神经网络识别的图像为基础,将熔体自由表面条纹的运动情况作为判断接种时机的关键因素,提出熔体自由表面条纹速度检测模型;将晶核的生长状态作为判断接种质量的关键因素,提出晶核生长反馈模型。两种模型分别针对引晶操作前及引晶操作后,组成泡生法引晶视觉速度模型。最后搭建实验平台对模型进行验证,并与OCS（Observation Convergence Seeding）模型和MIVD（Multi-frame Intercomparison Visual Detection）模型进行对比实验。实验结果表明,泡生法引晶视觉速度模型判断接种时机的准确率达到92.2%,判断晶核生长状态的准确率达到97.5%,且相比于人工接种,平均接种时长缩短31.21%。泡生法引晶视觉速度模型切实有效地提高了接种效率,为蓝宝石制造行业进一步降低能耗奠定了基础。