西安工业大学光电工程学院,陕西 西安 710021
针对机器视觉检测光学镜片表面疵病时,在单一的照明环境下疵病图像对比度低,检测方法疵病识别率低等问题,提出了一种双光源下光学镜片表面疵病视觉检测方法。根据散射成像原理,在前照光和背照光两种不同的照明方式下,使用图像传感器得到含有疵病的被测光学镜片图像;再将多幅图像通过图像融合算法融合为一幅图像;最后,利用识别算法获得光学镜片表面的疵病尺寸信息。对两种不同的疵病(划痕、麻点)进行检测,将本系统的测试结果与ZYGO干涉仪的处理结果进行对比,结果表明,所提方法测量的麻点误差不超过2.7%,划痕误差不超过0.8%,检测效率比干涉仪提高了98.24%,缩短了检测时间。与单一照明环境下的检测方法和人工检测相比,所提方法对疵病的识别准确率与精度更高。
疵病检测 双光源 机器视觉 散射成像 图像融合 激光与光电子学进展
2024, 61(10): 1012004
西安工业大学光电工程学院,陕西 西安 710021
基于积分散射检测的原理设计了一种多波长疵病检测系统,选用了635 nm、525 nm及405 nm三种光源,以光电倍增管作为光电探测器,待测样品是两个刻有标准尺寸疵病的高透石英玻璃片,其中一个的宽度和深度均为20 μm,另一个均为25 μm,光源的功率分别为50 mW、80 mW。实验结果表明,405 nm所对应的散射率数值明显最高,即405 nm的光源疵病检测能力更强。该研究对于小尺寸疵病的检测及获取疵病的深度信息,具有很好的借鉴意义。
测量 多波长 积分散射 疵病检测 散射率 激光与光电子学进展
2022, 59(11): 1112002
1 中国科学院上海光学精密机械研究所信息光学与光电技术实验室, 上海 201800
2 中国科学院大学材料与光电研究中心, 北京 100049
3 中国工程物理研究院激光聚变研究中心, 四川 绵阳 621000
为实现精密光学元件表面疵病的高效测量和精确统计,提出了一种基于光谱估计和多光谱技术的光学元件表面疵病检测方法。该方法利用光谱估计提取白光图像中不同波长的单光谱疵病图像,并合成多光谱疵病图像,然后采用优化后的OTSU(Otsu Image Segmentation Algorithm)分别对单光谱与多光谱疵病图像进行分析。基于该方法搭建了光学元件表面疵病检测装置,获得了白光照明条件下光学元件表面疵病的图像。实验结果表明,与原始白光图像相比,合成多光谱图像的疵病检出数量提升了1.85倍,疵病检出面积最大增加了6.0倍,检测效率得到明显提高。根据光学元件表面疵病的特性选取不同波长组合来生成单光谱与多光谱图像,可更加高效精确地检测出传统检测技术不易检出的疵病信息。
测量 疵病检测 光谱估计 多光谱技术 疵病数量 疵病面积
1 四川大学电子信息学院, 四川 成都 610064
2 中国科学院光电技术研究所, 四川 成都 610209
3 超光滑表面无损检测安徽省重点实验室, 合肥知常光电科技有限公司, 安徽 合肥 230031
光学元件在加工及使用过程中引入的麻点或擦痕会严重影响其表面质量。基于Peterson疵病散射理论,将麻点或擦痕引起的散射光分为两部分,即对麻点(或擦痕)内部表面的散射光作漫反射分析,对麻点或擦痕外围轮廓引起的散射光作衍射分析。进一步考虑麻点和擦痕的挡光效应,以及麻点衍射消失的边界条件,通过将疵病散射理论与国家标准GB/T 1185—2006相结合,推导出麻点、擦痕的双向反射分布函数的解析表达式,进而分析了不同疵病级数下的角分辨散射和总散射。研究结果表明:表面疵病的总散射与疵病面积近似成线性正比,进而据此提出了一种基于总散射测量的表面质量检测新方法,并分析了光学元件表面疵病的阈值。
散射 疵病检测 表面疵病 散射光 疵病阈值
1 西安工业大学光电工程学院陕西省薄膜技术与光学检测重点实验室, 陕西 西安 710021
2 中国兵器科学院宁波分院, 浙江 宁波 310022
提出了一种基于稀疏矩阵的表面疵病快速拼接方法。该方法采用环形白光光源均匀地照射到被测元件表面,光经显微散射暗场成像系统后形成暗背景下的亮疵病图像。通过对光学元件的x,y方向进行扫描,得到子孔径拼接图像。基于稀疏矩阵和图像拼接,对子孔径图像进行快速拼接,得到全孔径疵病图像。基于最小外接矩形原理,对图像疵病进行识别和分类,最终得到7个光学元件表面疵病划痕,其最大长、宽分别为15.2110 mm和0.0297 mm;麻点有5个,其最大长、宽分别为0.1089 mm和0.0967 mm。将测量得到的划痕宽度与标准划痕宽度进行对比,得到划痕宽度的相对误差范围为-5.00%~5.50%。在此基础上,对实际的光学表面进行检测,得到光学元件表面疵病信息。
测量 疵病检测 显微散射暗场成像 图像拼接 稀疏矩阵 疵病识别
1 浙江大学光电科学与工程学院, 浙江 杭州 310027
2 中国科学院上海光学精密机械研究所, 上海 201800
为实现对光学元件表面疵病的精确测量和计数, 提出了一种基于多光谱技术的光学元件表面疵病检测方法, 该方法采用不同波长的入射光源均匀照明光学元件表面, 通过暗场显微成像系统获得不同波长下的表面疵病图像。基于该方法研制了多光谱光学元件表面疵病检测系统, 获得了365, 405, 436, 486, 550 nm单波长光以及白光照明条件下光学样品表面疵病和标准样品图形的检测实验结果。实验结果表明, 相比传统的白光照明检测技术, 多光谱检测技术根据不同的材料性质选用不同波长的光作为入射光源, 可以明显提高系统对光学元件表面疵病的检测能力, 不仅可以提高测量精度, 而且可以获取白光照明下无法检测到的疵病信息。
测量 疵病检测 散射成像 多光谱技术 疵病数量 检测精度
浙江大学 光电系,现代光学仪器国家重点实验室, 浙江 杭州 310027
采用美国军用标准MIL-PRF-13830B(简称美标)对光学元件表面疵病进行数字化评价,其难点主要在于美标中表面疵病密集度的判定.针对该难点,提出了一种表面疵病密集度判定算法.该算法采用权重域叠加的方法,通过为表面疵病赋予相应的权重域来确定疵病密集圆域,并将权重域间的叠加转换成了矩阵间位置关系的判断和计算,有效的利用了矩阵运算的便利性.实验中通过对已知表面疵病信息的石英标准板进行判定,其得到的圆域即为疪病密集圆域,与预期结果一致,验证了该算法的正确性.目前该算法已经运用于光学车间精密光学元件表面疵病的美标数字化评价.
疵病检测 数字化评价 美标 密集度 权重域 defects inspection digital evaluation American standard concentration weight region
根据树脂镜片在线检测的要求和特点, 提出一种基于机器视觉的在线疵病检测方法。针对不同尺寸的疵病, 设计了基于两级图像采集的在线检测系统, 完成对镜片疵病的检测。利用第一级图像采集系统检测部分疵病, 获得点杂质和气泡等疵病的详细特征, 同时可以获取划痕和羽毛的长度、位置和数量等信息和包含划痕或羽毛的敏感区域的位置, 并发送信号控制第二图像采集系统的工作。利用第二图像采集系统的传送带和一维导轨的移动对敏感区域定位, 检测划痕和羽毛的直径。本文设计的方法解决了系统成本高、检测速度慢、数据量大等技术问题, 满足在线检测的需要。实验表明:系统检测速度为每片 1.5 s; 与子孔径拼接技术相比, 数据量最少减少约 88%, 最多减少约 96%。
疵病检测 机器视觉 在线检测 图像采集 defect detection machine vision on-line detection image acquisition