球面光学元件表面疵病视觉检测方法研究

球面光学元件由于其光学结构的影响,采用机器视觉的方法对其表面疵病进行检测时,无法将被测面都成像在一个像平面上并且在成像的过程中丢失了疵病的三维信息,造成了检测的误差。为了解决这些问题,提出了一种机器视觉与三维重构相结合的检测方法。首先,根据球面光学元件的特性设计了图像采集平台,以获得高质量的疵病图像。然后,通过图像处理算法对疵病图像进行预处理与疵病识别。最后,基于计算机视觉图像重构技术与球心投影技术,对疵病图像进行三维重构。实验表明,该方法提升了机器视觉对球面光学元件表面疵病检测的精度,可达99%,具有可行性和研究价值。     

基于背景校正和图像分割定量分析光学元件表面疵病的新算法

针对基于机器视觉的大口径光学元件表面疵病检测系统在成像过程中存在因照明不均匀等因素造成的图像背景不均匀等问题,采用了基于形态学的图像背景校正算法,提出了结合图像梯度和最大类间方差法的图像分割算法,实验结果表明,所提算法对于一定模糊程度的疵病图像具有较好的抗噪性能以及较高的提取精度。     

基于深度学习的光学元件表面疵病识别北大核心CSCD

精密光学元件表面疵病的人工检测分类方法效率低,且准确率易受疲劳等人工因素影响,而基于传统机器学习方法的分类准确率有待进一步提高。提出了一种基于深度学习卷积神经网络的光学大尺寸元件表面疵病识别方法。首先,通过现场实验采集并整理了大尺寸镜面疵病样本;接着,基于单通道灰度图像构建融合梯度的三通道图像,挖掘更深入的特征表达;最后,基于经典的LeNet网络,提出了面向激光惯性约束聚变(ICF)的光学元件表面疵病识别网络ICFNet,该网络不需要复杂的手工特征设计和提取,仅使用原始灰度图像就实现高效的疵病识别。实验结果表明:针对包含麻点、划痕和灰尘的三类疵病数据,ICFNet相较于使用多项特征和支持向量机的传统方法拥有较好的分类准确率。     

安防镜头内部疵病的检测技术研究

镜头内部光学元件存在气泡、杂质和划痕等疵病,会严重影响安防镜头光学系统的成像性能.提出了一种新型安防镜头内部镜片疵病的检测方法.在暗场环境下,分别利用背光灯和环形灯对待测镜头进行照射,再使用物方远心镜头成像到高分辨率CMOS探测器,正面拍摄获取待测镜头的疵病图像.测试结果表明,该系统测量安防镜头疵病准确率为98％,对于...     

大口径光学元件表面灰尘与麻点自动判别

在大口径光学元件表面疵病初检时,灰尘和麻点由于形态类似,不易区分。针对该问题,提出了一种基于模式识别理论的灰尘麻点判别方法。该判别方法以既有的疵病检测系统为基础,根据灰尘麻点的暗场成像特点,选取了合适的特征并根据因子分析理论对特征进行变换,最后基于贝叶斯判别原理对灰尘麻点进行分类。采用自制定标板建立了灰尘麻点训练样本库,并进行多组实验,选取了合适的判别函数,最后进行了对未知样品表面灰尘麻点的区分。实验结果表明,该判别方法的正确率可以达到95%以上。目前此判别方法已经用于惯性约束聚变系统中大口径光学元件表面灰尘与麻点自动区分。     

光学元件表面缺陷的显微散射暗场成像及数字化评价系统

根据国际ISO10110-7的表面缺陷标准及惯性约束聚变(ICF)工程标准,提出了一种新颖的光学元件表面缺陷的光学显微散射成像及数字化评价系统,多束光纤冷光源呈环状分布并以一定角度斜入射到数毫米视场的被检表面,形成适合数字图像二值化处理的暗背景上的亮疵病图像。对X,Y两方向进行子孔径图像扫描成像,利用模板匹配原理对获得的子孔径图像进行拼接得到全孔径表面疵病图像信息。基于数学形态学建立了可用于大口径表面检测扫描的图像处理的模式识别软件体系,并应用二元光学制作了标准对比板,以获得疵病正确的评价依据。最终利用该变倍光学显微镜散射成像系统得到能分辨微米量级表面疵病的图像,其单个子孔径物方视场约为3 mm,对X,Y两方向进行5×5子孔径图像扫描成像,并给出了与标准比对的定量数据结果。实验结果表明,本系统完全可以实现光学元件表面缺陷的数字化评价。     

表面疵病动态彩色编码融合成像检测技术

表面微小疵病在用不同波长的光照明时,其光学图像会存在不同程度的非线性放大畸变现象,对成像信息中的目标提取和信噪比(SNR)将产生一定的影响。提出利用红、绿、蓝三基色光源辐照下的疵病图像进行动态彩色编码成像的方法,经像素级图像融合后可实现高冗余信息的图像合成,从而在获取表面微小疵病丰富细节的同时可进一步提高信噪比。分析了针对三基色图像进行彩色编码的理论,提出了基于图像梯度的动态权值融合成像方法,同时给出了光谱非线性放大信号的噪声分析模型,通过理论分析和数值模拟两方面,充分验证了动态权值融合降低标准偏差的有效性。在明场表面疵病成像实验中,采用三基色平衡响应的彩色互补金属氧化物半导体(CMOS)相机,分别获取了单个微米量级表面疵病点的三基色滤波图像,并通过与传统边缘提取、非动态权值组合等方法的结果比对,验证该优化方法可得到一幅细节更为丰富的高SNR图像。在暗场表面疵病成像实验中,以图像灰度平均梯度和提取到的疵病数量为评价参数,即从优化图像质量和疵病识别能力两个方面,进一步验证该优化在高保真和低噪声方面的有效性。提出的动态彩色编码融合成像方法可有效降低光谱非线性放大带来的噪声。     

大口径光学元件表面疵病在位检测与评价研究

精密光学元件在加工过程中如果工艺控制不当,产生的划痕、麻点等疵病分布范围虽然较小,但对整个光学系统的性能影响却很大,破坏力非常强,目前的表面疵病检测仪基本上针对平面或球面光学元件进行离线检测。文章以光学加工机床为运动平台,采用暗场散射成像方法,设计多光束均匀照明系统,研究表面疵病微细特征的识别算法,实现大口径光学表面疵病的在位检测与评价;标定结果表明,表面疵病宽度偏差为2.05%,长度偏差为2.39%,满足指标要求;在此基础上针对Φ280 mm平面硅镜进行自动化在位检测,给出了不同类型疵病的统计数据,解决了离线检测中非加工时间长与多次装夹引起定位误差等问题。     

精密表面疵病检测美标数字化评价实现算法

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。     

基于BRDF的光学表面疵病散射特性的仿真研究

为了研究精密光学元件表面微弱疵病的散射特性,基于矢量散射理论和双向反射分布函数,建立了光学表面微弱疵病的散射理论模型。通过仿真计算了双向反射分布函数随散射角的变化情况,分析了入射角度、入射光波长以及疵病自身尺寸等因素对疵病散射光特性的影响。基于仿真数据分析,针对光源参数对散射特性的影响进行仿真分析,为使用暗场成像法进行精密表面疵病检测的系统参数选择提供理论参考,疵病检测入射角范围为30°～50°最佳;在可见光范围内时,380～500 nm的波长范围更有利于疵病检测。另外还通过研究疵病尺寸发生改变时散射场变化的规律,为分辨疵病的形状大小等信息提供了参考依据。     

带钢表面质量在线检测系统研究与设计

为了提高现有带钢表面质量检测技术在缺陷检测精度与识别率上存在的问题,设计了基于机器视觉技术的带钢表面质量自动检测系统,从系统整体构成、视觉传感系统、软件开发及检测与分类算法等方面进行了深入地研究,实现了包括图像的采集、传输、缺陷的实时检测和定位,缺陷的分类以及缺陷的存储与报警等功能。实验结果表明,本系统可以对带钢表面常见的边裂、氧化、结疤等几十种不同类型的缺陷进行精确地检测。与现有的缺陷检测技术相比,本系统中设计的算法在检测精度和实时吞吐量上都具有很大优势。     

像增强器视场缺陷检测方法研究

在数字式像增强器性能综合检测系统的基础上，研究了像增强器视场缺陷的检测方法。通过数字视频摄像机采集缺陷图像，利用数字图像处理方法确定缺陷性质，缺陷处理算法基于图像灰度特征而不是边缘特征提取。该方法适用于对检测对象有具体量化和定位要求，而不是简单的只有数量和形状特征要求的场合。实验表明，该检测方法能够较准确地检测像增强器的缺陷。     

An artificial immune approach for optical image based vision inspection

This paper presents a novel approach of visual inspection for texture surface defects. The approach uses artificial immune theory in learning the detection of texture defects. In this paper, texture defects are regards as non-self, and normal textures are regarded as self. Defect filters and segmentation thresholds used for defect detection are regarded as antibodies. The clonal selection algorithm stemmed from the natural immune system is employed to learn antibodies. Experimental results on textile image inspection are presented to illustrate the merit and feasibility of the proposed method.     

基于数字图像处理技术的树脂眼镜镜片缺陷检测研究

通过设计的镜片自动检测光学硬件系统,给出了树脂镜片精细杂质图像处理措施,将图像差分法应用于镜片图像边缘的去除;同时解决了镜片检测灰尘影响的问题;另外运用改进型的归一法解决杂质计数问题,为自动化分级分拣系统的研发提供重要的数据支持,为镜片缺陷检测系统的后续分级分拣的数字控制模块提供了可操作性。该检测系统检测精度为0.03 mm、速度为1片/s,检测误差控制在5%。     

A new synthetic detection technique for trackside acoustic identification of railroad roller bearing defects

The detection of railroad roller bearing defects is of great importance for railway traffic. The acoustic defective bearing detector (ADBD) via a trackside acoustic detection system (TADS) is a popular and reliable tool for trackside identification of railroad bearing incipient defects. However, the defective trackside acoustic signal of bearing is confronted with three challenges: demodulation of acoustic signal, removal of Doppler effect and enhancement of defect frequency. This paper proposes a synthetic detection technique to overcome these difficulties successively. In the technique, the signal envelope is first extracted by a new variable-resolution ridge demodulation (VRRD) method. Then the Doppler effect is removed in the envelope via a dynamic signal resampling method. Finally, the rectified defect frequency is enhanced through the means of logarithmic transformation and piecewise linear detrending. The VRRD technique extracts the envelope from the signal time–frequency distribution (TFD) along the Doppler shift curve of resonance frequency traced by an improved ridge extraction algorithm. The resampling method is carried out on the envelope according to the Doppler shift curve of defect frequency obtained by the same ridge extraction algorithm. The sidebands around defect frequency can be suppressed by the logarithmic transformation and the low-frequency non-linear trend can be removed by the detrending method. The signal amplitude is unified at the same time. Two practical bearing signals with inner-race and outer-race defects separately verify the effectiveness of proposed technique.     

基于优化残差网络的复杂纹理表面缺陷检测

产品表面缺陷检测是工业自动化生产的重要环节,准确率是评价自动检测系统可靠性的主要指标。基于复杂纹理表面缺陷检测的特殊性以及对检测方法的实时性、通用性等要求,提出了优化骨干网络并使用迁移学习特征映射构建复杂纹理表面缺陷的检测方法。该方法通过优化残差网络模型并建立仿真数据集的方式进行迁移学习,以解决实际情况中复杂纹理表面产品数据集样本数量少、数据集制作困难、相似问题难以互相兼容等问题。实验结果表明,提出的方法可以准确地检测随机复杂纹理的人造木质板材表面缺陷,平均准确率可达99.6%。现有实验条件下单张人造木质板材的检测时间为305 ms,可以满足在线检测的实时性要求。研究结果可为基于深度学习的复杂纹理表面缺陷检测提供新的思路与理论参考。     

Effective defect detection in thin film transistor liquid crystal display images using adaptive multi-level defect detection and probability density function

A new automated inspection algorithm is proposed for detecting critical defects based on adaptive multi-level defect detection and probability density function in thin film transistor liquid crystal display (TFT-LCD) images containing a background region’s non-uniform and random noises. To improve the detecting capability for a critical-defect-detecting algorithm, the background region’s non-uniformity is eliminated using statistical values such as the mean and standard deviation of a test image. For the defect detection, the candidate defects are collected on each detection level and used to find a probability density function based on Parzen-window technique. Through simulation it was verified that the proposed method has superior capability for detecting critical defects which results in smaller brightness difference between a defect and its neighbors.     

基于独立分量分析和粒子群算法的太阳能电池表面缺陷红外热成像检测

根据红外成像特性及太阳能电池电致发光原理,研究一种基于限制式独立分量分析(ICA)模型和粒子群优化(PSO)方法的太阳能电池组件表面缺陷检测方法。利用太阳能电池红外图像的结构特点,首先设计一种ICA滤波器,并使用具有多方向搜索特性的PSO算法来求解ICA的分离矩阵,求解中加入限制式,使图像正常区域经滤波后有一致的反应值并有效凸显缺陷区域。然后使用ICA滤波器对图像进行旋积运算,最后使用阈值分割得到检测结果。实验结果表明,提出的ICA滤波检测方法对太阳能电池组件表面缺陷检测效果显著,检测精度高,能很好地区分背景和缺陷。     

接触缺陷的振动调制超声导波检测技术研究

针对常规线性超声检测方法无法实现板结构接触类缺陷(如微裂纹、脱粘等)检测问题,将超声导波技术与振动声调制技术相结合,利用稀疏分布传感器发展了一种板结构中接触缺陷非线性超声检测方法。通过低频振动改变缺陷的接触状况,使得通过接触面的高频导波信号的相位和幅值受到调制。对受低频振动调制的超声导波二维时间序列进行时频分析,由于接触类缺陷的存在,在振动调制超声导波序列的时频分布上出现明显的低频振动频率分量。利用提取出的低频振动频率下的超声导波信号,进行了结构接触缺陷成像处理。检测试验表明,基于振动声调制的超声导波缺陷成像方法可以实现结构中的接触类缺陷检测。