球面元件表面疵病自动化检测若干关键技术探索研究

发布时间：2017-07-13 13:16

  本文关键词：球面元件表面疵病自动化检测若干关键技术探索研究

  更多相关文章： 球面 疵病检测 自动对准定中 灰尘 麻点

【摘要】：表面疵病检测由于疵病分布的随机性,以及对于大视场、高分辨率、快速检测的要求,具有极高的难度,使得其成为制约表面检测的主要因素。本文在平面元件表面疵病检测系统的基础上,进行了球面元件表面疵病自动化检测的一些探索,并通过仿真与实验验证了方案的可行性。主要研究了在高精度检测中球面元件自动对准定中、待测元件表面灰尘麻点自动分类两项关键技术,为球面元件表面疵病检测系统的研制提出了技术基础。提出了一种实现球面元件表面疵病自动化检测的系统构想,包括系统组成与工作流程,简要介绍了自动对准、暗场照明及显微成像、多轴联动、疵病评价软件等几大模块。建立了一套用于球面元件表面疵病检测的球面自动对准系统。该系统基于反射式定中与旋转测量的工作原理,能够自动化地检测待测球面的球心位置。通过实验的方法,选用了基于图像熵的清晰度评价方法,爬山法和曲线拟合法相结合的极值点搜索算法。并且分析了系统定中误差,系统各项误差约为：X向最大误差15μm,Y向最大误差18μm,Z向最大误差8μm。提出了一种基于模式识别相关理论的待测球面表面灰尘和麻点判别方法。其基本原理为,通过疵病显微暗场成像系统在高倍和低倍下采集灰尘和麻点的图像,提取图像的灰度、纹理以及形态学特征,并将特征输入灰尘麻点分类器中,通过模式识别的方法,给出类别的判别结果。为了获取灰尘麻点的分类器,首先在自制的定标板上分别采集灰尘和麻点的高倍和低倍图像构建样本库,然后提取图像的灰度、纹理及形态学特征,并采用主成分分析的方法对特征进行降维,接着采用支持向量机构建分类器,并用10-折交叉验证法获取合适的支持向量机参数。最后通过实验,对上述两种技术进行了验证。在搭建的自动对准定中实验系统中进行了自动对准定中实验,详细给出了各个步骤的过程。比对了经过准直前后的球面元件的暗场图像,证明了自动准直系统的有效性。并进行了三轴坐标重复性实验,结果表明,该球面自动对准系统具有良好的稳定性与重复性。灰尘麻点分类验证实验中,训练集的分类正确率为96.56%,测试集的分类正确率为93.90%,实际样品的分类正确率高于75%,并且所有的麻点均正确分类。实验证明,该分类方法可以有效区分灰尘和麻点,降低误警率。因此,提出的两项关键技术能够运用于球面元件表面疵病自动化检测系统中。
【关键词】：球面 疵病检测 自动对准定中 灰尘 麻点
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH74;TP391.41
【目录】：

• 致谢4-5
• 摘要5-7
• Abstract7-12
• 1. 绪论12-22
• 1.1. 研究背景及意义12-15
• 1.1.1. 光学元件表面疵病的定义12
• 1.1.2. 光学元件表面疵病的产生12-14
• 1.1.3. 疵病的危害14
• 1.1.4. 检测疵病的意义14-15
• 1.2. 光学元件表面疵病检测现状15-20
• 1.2.1. 平面光学元件检测现状15-19
• 1.2.2. 球面光学元件检测现状19
• 1.2.3. 光学元件检测发展趋势探讨19-20
• 1.3. 本文主要研究内容20-22
• 2. 球面元件表面疵病检测系统基本原理及构成22-28
• 2.1. 现有平面元件表面疵病检测系统基本原理22-24
• 2.2. 球面元件表面疵病检测系统基本原理24-28
• 3. 球面光学元件自动对准系统28-55
• 3.1. 自动定中原理28-32
• 3.1.1. 透射式定中仪28-30
• 3.1.2. 反射式定中仪30-32
• 3.1.3. 静态测量法32
• 3.1.4. 旋转测量法32
• 3.2. 球面自动对准系统总体设计32-34
• 3.3. 自动对准系统图像处理软件设计34-45
• 3.3.1. 清晰度评价34-39
• 3.3.2. 极点搜索算法39-42
• 3.3.3. 十字叉丝中心偏计算42-45
• 3.4. 自动对准系统误差分析45-54
• 3.4.1. 球心定位的XY向误差45-47
• 3.4.2. 球心定位的Z向误差47-54
• 3.5. 本章总结54-55
• 4. 球面表面灰尘麻点自动分类研究55-69
• 4.1. 表面灰尘和麻点区分的意义及现状55
• 4.2. 特征选取55-61
• 4.2.1. 疵病特征选取56-57
• 4.2.2. 特征介绍57-60
• 4.2.3. 基于图像处理的特征提取60-61
• 4.3. 灰尘麻点自动分类方法及理论介绍61-64
• 4.3.1. 自动分类方法介绍61-62
• 4.3.2. PCA理论介绍62-63
• 4.3.3. SVM理论介绍63-64
• 4.4. 分类器模型参数确定64-67
• 4.4.1. 练样本库64
• 4.4.2. 主成分确定64-65
• 4.4.3. SVM参数确定65-67
• 4.5. 本章总结67-69
• 5. 球面光学元件表面疵病自动化检测相关实验69-78
• 5.1. 自动对准实验69-73
• 5.1.1. 自动对准实验69-71
• 5.1.2. 暗场照明实验71-72
• 5.1.3. 自动定心三轴坐标确定重复性实验72-73
• 5.2. 灰尘麻点自动分类实验73-77
• 5.2.1. 对样本库的分类实验74
• 5.2.2. 对实际样本的分类实验74-77
• 5.3. 本章总结77-78
• 6. 总结与展望78-81
• 6.1. 本文工作总结78-79
• 6.2. 未来工作展望79-81
• 参考文献81-84
• 作者简历及主要研究成果84-85

【参考文献】

中国期刊全文数据库 前4条

1 杨甬英;陆春华;梁蛟;刘东;杨李茗;李瑞洁;;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[J];光学学报;2007年06期

2 刘琳;王洋;张兴德;;基于DWC波前检测的计算机辅助装调技术[J];激光与红外;2013年04期

3 张志安;蔺丽华;;基于颜色和空间特征的图像检索[J];西安科技大学学报;2007年03期

4 向霞;郑万国;袁晓东;戴威;蒋勇;李熙斌;王海军;吕海兵;祖小涛;;Irradiation effects of CO_2 laser parameters on surface morphology of fused silica[J];Chinese Physics B;2011年04期

，

本文编号：537055