精密光学元件表面疵病检测技术研究

《精密光学元件表面疵病检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、精密光学元件表面疵病检测技术研究江晓亮杨小军邓小雷李柏林赵文川衢州学院机械工程学院西南交通大学机械工程学院中国科学院光电技术研究所摘要：依据光学元件表面疵病存在的对比度低、边界模糊等特性，以及现有的自动化检测算法，提出了一种基于机器视觉的数字化评价系统，解决了疵病图像获取中的相机定位、图像采集、疵病检测、图像拼接以及疵病统计等自动检测技术问题。实验结果表明：系统实现了精密光学元件表面疵病的自动化检测，能够有效分辨微米(Um)量级的疵病，具有良好的疵病识别性能。关键词：光学元件;疵病检测;图像处理;特征提取;图像拼接;作者简介：江晓亮(1987-)，男，博士研究生，主要研究方向为图像处理和

2、模式识别、图像分割。收稿日期:2017-08-29基金：国家自然科学基金资助项FI(51605253)StudyonsurfacedefectsdetectiontechnologyforprecisionopticalelementJIANGXiao-liangYANGXiao-junDENGXiao-leiLIBaiTinZHAOWen-chuanCollegeofMechanicalEngineering,QuzhouUniversity;CollegeofMechanicalEngineering,SouthwestJiaotongUniversity;InstituteofOp

3、ticsandElectronics,ChineseAcademyofSciences;Abstract：Accordingtocharacteristicsofopticalelementsurfacedefect,suchaslowcontrast,fuzzyboundaries,andtheexistingautomaticdetectionalgorithm,proposeadigiteilcvaluationsystcmbasedonmachinevisiontechnology,whichsolvestheproblemsinautomaticdetectionsuchasc

4、ameralocalization,imageacquisition,defectsdetection,imagemosaicanddefectsstatisticsduringf1awimageacquiringprocess.Experimentalresultsshowthesystemcanrealizetheautomaticdetectionoftheprecisionopticalelementsurfacedefectemddistinguishthedefectsofmicronleveleffectively,ithasgoodperformanceofdefectr

5、ecognition・Keyword：opticalelement;defectdetection;imageprocessing;featureextraction;imagemosaic;Received：2017-08-29o引言随着信息技术的迅猛发展，人们对光学元件表面质量及加工效率的要求逐步提高，而元件表面划痕、斑点、麻点、破边等Ill缺陷所引起的衍射和散射会对光学系统的性能造成不良影响。为此，对光学元件表面疵病检测技术的研究显得尤为重要，具有较好的应用价值［2,3］。目前，常见的疵病检测方法主要包括目视法［4,5］、成像法［6,7］等。其中,最基木、最常用的是目视法，但这种方

6、法对观察者的知识结构和实践经验水平要求较高，而口无法量化疵病等级、费吋费力、劳动强度较大。随着屯荷耦合器件(chargecoupleddevice,CCD)相机与图像处理算法的快速发展，使得基于机器视觉技术逐步取代人工检测方法以满足工程需求成为可能歸1。因此，有必要寻求一种更简单、快速、准确的检测手段。木文提出了一种基于数字图像的光学元件表面缺陷的快速检测方法，用于解决疵病提取、拼接及统计等技术难题，并试制了基于机器视觉的光学元件缺陷在线检测系统。1检测原理1.1检测装置如图1所示，检测系统由CCD相机、控制台、运动控制器、计算机等构成。其中,横向、纵向、升降位移台分别用于实现Ox,Oy

7、,Oz方向的移动，旋转平台可在xOy平面内360。旋转，CCD相机可绕C点在xOz平面内转动。1.2检测原理被测元件放置于旋转平台，计算机控制横向、纵向、升降位移台对其进行对焦。旋转平台旋转一周，CCD相机采集待测元件表面的一个圆环图像，利用运动控制器控制CCD相机绕C点在xOz平面内旋转一定角度，同时横向位移台沿Ox方向移动一定位移，如图2所示。旋转平台继续旋转一周，获取另外一个圆环图像,将图像进行拼接、融合，得到元件的完整图像。