大口径精密表面疵病的数字化检测系统

《大口径精密表面疵病的数字化检测系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第21卷第7期强激光与粒子束Vo1．21，NO．72009年7月HIGHPOWERLASERANDPARTICLEBEAMSJu1．，2009文章编号：1001—4322(2009)071032—05大口径精密表面疵病的数字化检测系统范勇，陈念年，高玲玲，贾渊，王俊波，程晓锋。(1．西南科技大学计算机科学与技术学院，四川绵阳621010；2．西南科技大学国防科技学院，四川绵阳6210103．中国工程物理研究院激光聚变研究中心，四川绵阳621900)摘要：根据散射光成像原理，采用大小两个视场来获取不同精度的暗背景下的亮疵病图像，设计了完整的数字化表面疵病检

2、测系统。该系统采用多区域自适应阈值分割算法对图像进行分割，然后采用基于等价归并标记方法快速提取疵病的特征参数，最后利用BP神经网络对疵病进行分类。实验结果表明该方法既满足实时性需求，又取得了较好的分类检测效果。关键词：惯性约束聚变；疵病；快速标记算法；特征参数；分类准则中图分类号：、TP751．2文献标志码：A随着光学技术的不断发展，现代光学工业对光学元件表面质量的要求越来越严格，尤其是在惯性约束聚变(ICF)系统中的大口径精密光学元件，其表面疵病将对经过元件的光束造成不同程度的散射或衍射，引起透镜的非线性调制或发热，严重地影响透镜的质量，难以满足ICF

3、系统对光能量的要求口]。因此，按ICF相关工程标准对疵病进行快速且准确的检测是ICF系统中急需解决的问题。目前最常见的是利用疵病的散射特性，用肉眼进行判定的目测法，但使用此法效率不高，易受人为因素影响，误判率较高。”]。随着机器视觉技术的快速发展，利用机器视觉的相关技术和方法解决疵病检测问题的研究也越来越多[2,47]，目前大多是采用显微子孔径拼接方法对疵病图像进行检测，能检测m量级的疵病，但检测速度很慢。针对超大光学元件疵病图像的研究还较少。本文根据光散射理论，采用超高分辨率CCD相机，获取全尺寸疵病图像并进行特征提取，然后将获取的疵病位置信息传递给3

4、维移动控制平台。控制平台控制显微镜获取疵病的显微图像，对传统区域检测疵病特征提取算法在速度上进行优化，利用所提取的疵病特征建立多组特征数据对疵病进行自动快速分类，建立了全尺寸光散射疵病图像和显微疵病图像特征对比库并给出最终检测报告，以满足系统实时性和疵病检测准确性要求。该算法较好地满足了实时性要求，取得比较好的分类效果。1疵病图像获取及其特征参数提取1．1疵病检测模型疵病光学散射原理如图1所示，其中PQ为被检测面，其上存在一个疵病。光源以一定角度斜入射，均匀照射被检测光学元件表面，位于光学系统物面上的入射光经过光学元件表面反射，从另一端出射，将表面疵病诱

5、发的一系列类似于0A的散射光进入CCD，而主光线0zA不进入成像系统，这样就可得到适合于数字图像处理的暗背景上的疵病亮图像。‘-Q利用散射成像来检测精密表面疵病，系统中成像的放大关系不是简单的成像系统的放大关系，疵病散射光本身对成像的大小有一定的影响，并非简单的线性关系。由于散射成像的复杂性，CCD中的疵病像对应的NN实际大小值，不能直接利用系统的放大倍率来计算。在散射成像的放大Fig．1Sketchofscatteredlights关系还不能用明确的数学计算公式来表示时，用标准比对板作为专用的fromsurfacedefect标定系统来间接测量疵病的大

6、小不失为一种较为合理的方法。在设计标图1疵病散射原理图准比对版时，应与真实的疵病接近。如从比对板基底板的选择、疵病线条、麻点及疵病整体布局等都应遵循这*收稿日期：2008—07—29；修订日期：2009—0325基金项目：国家自然科学基金项目(10676029，10776028)；四川I省教育厅重点项目(2006C074，2006C075)作者简介：范勇(1972)，男，重庆忠县人，博士，主要研究机器视觉，图像理解及应用；sdhsys@sina．corn。第7期范勇等：大口径精密表面疵病的数字化检测系统一原则，划痕的实际宽度和对应的成像线宽之间的关系可通

7、过图像处理后的实验数据通过曲线拟合方式给出函数关系；对于长度在mm量级及以上的疵病，由于已经远远大于人射光波长，因此在该疵病长度方向上的放大倍率近似于线性关系，这时可只考虑光学系统的放大倍率而忽略散射光成像对疵病的影响。为解决大口径精密光学元件表面的疵病检测精度和速度，采用大小两个视场来实现。大视场获取光学元件的全尺寸图像，小视场通过显微镜获取疵病的显微放大图像。利用全尺寸疵病图像和标准比对板可以快速求出元件表面疵病所占的面积比，快速得出光学元件是否合格的初步判断；对于初步合格的元件，通过获取更多的小视场疵病图像和利用对比图像库已有疵病图像，最终给出光学

8、元件表面质量是否合格的判断。疵病图像处理模型是数字化处理的关键环节。数字化检测系