-
公开(公告)号：CN114113112B
公开(公告)日：2023-08-18
申请号：CN202111428145.8
申请日：2021-11-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于三光源显微系统的表面微缺陷定位与识别方法，涉及工程光学技术领域，用以解决现有技术对于大口径光学元件表面微缺陷不能准确识别和定位不精确的问题。本发明的技术要点包括：获取元件表面多个缺陷区域的初始位置；对于每个缺陷区域，利用吹尘前后的图像初步排除伪缺陷；对于保留的每个缺陷区域，利用预训练的缺陷预测模型进行预测，二次排除伪缺陷；对于经过二次排除后保留的每个缺陷区域，采用改变物距的自动聚焦方法和基于图像处理的缺陷目标提取方法对缺陷区域的初始位置进行修正，获取多个缺陷区域的精确位置。本发明排除了伪缺陷的干扰，并进一步提升了元件表面缺陷的定位精度，可为后续缺陷修复提供可靠数据支撑。
-
公开(公告)号：CN114119556A
公开(公告)日：2022-03-01
申请号：CN202111428213.0
申请日：2021-11-29
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/60 , G06T7/70 , G06T5/50 , G06T3/40 , G06V10/74 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种熔石英元件表面缺陷激光修复质量的自动检测方法，涉及工程光学技术领域，用于检测熔石英元件表面缺陷的修复质量。本发明的技术要点包括：改变相机和元件之间的距离，采集对应不同聚焦状态下包含修复坑的多个图像；对不同聚焦状态下的多个图像进行景深融合，获取包含修复坑的清晰图像；将包含修复坑的清晰图像输入预训练的残余损伤检测模型，获取检测结果。本发明通过单幅拍照和扫描拍照结合的方式实现了不同尺寸修复坑图像的自动采集，使用景深融合与图像拼接方法获得了修复坑完整的全景深图像，使用基于卷积神经网络的目标检测方法实现了修复坑残余损伤的检测。本发明无需人工干预，可应用于元件表面缺陷修复后对于修复质量的自动检测。
-
公开(公告)号：CN114113111A
公开(公告)日：2022-03-01
申请号：CN202111428110.4
申请日：2021-11-29
Applicant: 哈尔滨工业大学
Abstract: 大口径熔石英光学元件表面微缺陷的自动化激光修复方法，涉及工程光学技术领域，用以解决现有修复方法存在自动化程度低且效率低下的问题。本发明的技术要点包括：根据元件表面缺陷区域的位置信息和尺寸信息确定修复策略；依据修复策略，利用激光修复装置对元件表面缺陷区域进行修复。进一步地，以修复坑间允许的最小距离作为距离阈值，判断各个缺陷区域之间的交联程度，交联程度大的缺陷区域采用多缺陷修复策略，交联程度小的缺陷区域采用单缺陷修复策略。本发明修复策略制定、修复文件生成以及相应参数激光的输出等过程均实现了自动化，不仅节省大量时间，还大大降低了操作错误率。本发明可应用于对元件表面缺陷的自动修复中。
-
公开(公告)号：CN110411346B
公开(公告)日：2020-12-25
申请号：CN201910740204.1
申请日：2019-08-12
Applicant: 哈尔滨工业大学
Abstract: 一种非球面熔石英元件表面微缺陷快速定位方法，它属于工程光学技术领域。本发明解决了现有光学元件表面微缺陷检测效率以及定位准确率低的问题。本发明建立机床坐标系，根据待测熔石英元件的非球面的四条边界线在机床坐标系下的位置，来获得待测熔石英元件的非球面的几何中心在机床坐标系下的坐标；将待测熔石英元件移动至光谱共焦位移测距仪处，对待测熔石英元件的非球面表面的特征点进行测距，根据非球面表面的特征点坐标来拟合出待测熔石英元件的非球面在元件坐标系下方程；采用CMOS面阵相机采集图像后，将图像的二维信息还原至三维，从而获得待测熔石英元件非球面表面缺陷点的位置信息。本发明可以应用于光学元件表面微缺陷检测技术领域。
-
公开(公告)号：CN114120317B
公开(公告)日：2024-04-16
申请号：CN202111428135.4
申请日：2021-11-29
Applicant: 哈尔滨工业大学
IPC: G06V20/69 , G06V10/26 , G06V10/44 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 基于深度学习和图像处理的光学元件表面损伤识别方法，涉及元件表面损伤识别技术领域，用以解决现有技术中对于大口径元件表面损伤识别准确率较低的问题。本发明的技术要点包括：提出了光学元件表面缺陷和污染物数据的自动采集和标注方法，提高了数据集的获取效率；利用图像处理实现了目标点区域截取和数据增强，使模型注意力集中在目标点区域；采用三光源合成图像作为训练和预测依据，提高了模型的分类准确率；基于ResNeXt搭建损伤预测模型，将迁移学习引入到模型训练过程，并验证了模型的有效性。本发明实现了损伤预测模型的搭建，为大口径元件损伤点的自动化检测和修复提供了技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN114120317A
公开(公告)日：2022-03-01
申请号：CN202111428135.4
申请日：2021-11-29
Applicant: 哈尔滨工业大学
Abstract: 基于深度学习和图像处理的光学元件表面损伤识别方法，涉及元件表面损伤识别技术领域，用以解决现有技术中对于大口径元件表面损伤识别准确率较低的问题。本发明的技术要点包括：提出了光学元件表面缺陷和污染物数据的自动采集和标注方法，提高了数据集的获取效率；利用图像处理实现了目标点区域截取和数据增强，使模型注意力集中在目标点区域；采用三光源合成图像作为训练和预测依据，提高了模型的分类准确率；基于ResNeXt搭建损伤预测模型，将迁移学习引入到模型训练过程，并验证了模型的有效性。本发明实现了损伤预测模型的搭建，为大口径元件损伤点的自动化检测和修复提供了技术支撑。
-
公开(公告)号：CN114113116A
公开(公告)日：2022-03-01
申请号：CN202111429843.X
申请日：2021-11-29
Applicant: 哈尔滨工业大学
Abstract: 一种大口径元件表面微缺陷精确检测工艺方法，涉及工程光学技术领域，用以解决现有技术中对于大口径元件表面缺陷检测的定位精度低的问题。本发明的技术要点包括：在暗场环境下对元件表面预设扫描区域进行逐行逐列移动扫描，采集获取多个预设拍照位置的多张子孔径图像；对多张子孔径图像进行处理，获得元件表面多个缺陷区域的位置和实际尺寸。本发明采用扫描拍照的方式实现了大口径元件表面暗场图像的采集，通过图像处理实现了表面缺陷的精确提取。本发明方法易于实现自动化，可为后续缺陷点的定位与修复提供准确的位置与尺寸信息。
-
公开(公告)号：CN107356608A
公开(公告)日：2017-11-17
申请号：CN201710600207.6
申请日：2017-07-21
Applicant: 中国工程物理研究院激光聚变研究中心 , 哈尔滨工业大学
IPC: G01N21/95
CPC classification number: G01N21/95 , G01N2021/9511
Abstract: 本发明公开了一种大口径熔石英光学元件表面微缺陷快速暗场检测方法，首先采用明场面阵CCD显微系统对光学元件进行定位，确定光学元件在绝对坐标系下的位置，再利用光谱共焦测距系统确定光学元件强激光辐照出光面方程，最后利用暗场线阵CCD显微系统对精确移动的大口径熔石英光学元件表面进行单向光栅式逐行快速扫描，获取微缺陷信息，并采用明场面阵CCD显微系统在线监测光学元件。本发明实现了对光学元件表面微缺陷进行全口径自动化扫描，大大提高检测效率，全口径光学元件表面微缺陷的快速扫描与检测时间可控制在30min以内。
-
公开(公告)号：CN114119555B
公开(公告)日：2024-05-17
申请号：CN202111428157.0
申请日：2021-11-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于物距对焦法的大口径元件边缘检测方法，涉及工程光学技术领域，用以解决现有技术在采集图像前不能获得全局清晰的聚焦位置的问题。本发明的技术要点包括：将元件的多个边缘分别移动到相机视野范围内，改变物距，采集获得不同焦平面下每个边缘对应的多个图像；根据每个边缘对应的多个图像的方差变化曲线对每个边缘进行自动清晰聚焦；聚焦完成后，采集包含每个边缘的多个图像，并对多个图像进行处理，从而获取多个边缘的位置；其中，设计边缘自动聚焦策略根据图像的方差变化曲线进行自动聚焦，使得获取的边缘图像更为清晰，进而可以更加准确地获取元件边缘坐标位置。本发明方法易于实现自动化，可用于大口径元件的边缘检测。
-
公开(公告)号：CN114119557B
公开(公告)日：2024-04-26
申请号：CN202111429842.5
申请日：2021-11-29
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/60 , G06T7/73 , G06V10/26 , G06V10/764 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 一种基于卷积神经网络的光学元件快速暗场检测方法，涉及光学元件检测技术领域，用以解决现有技术中对于大口径元件表面缺陷识别的准确率和效率较低的问题。本发明的技术要点包括：在暗场环境下对元件表面进行扫描采集，并调整曝光值，获得对应不同曝光值的暗场图像集；将预处理后的暗场图像集输入基于卷积神经网络的识别模型中进行训练；将待识别图像输入训练好的识别模型中，获得识别结果；其中，应用高曝光值数据进行目标分割及图像截取，应用低曝光值数据进行识别分类，模型训练阶段引入迁移学习，降低了模型训练次数，提高了模型识别准确率。本发明通过暗场阶段对缺陷区域进行识别，剔除了大量污染物，使光学元件的整个检测周期大大降低。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.028 seconds)
