[发明专利]一种基于卷积神经网络的光学元件快速暗场检测方法

说明书

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。

技术领域

本发明涉及光学元件检测技术领域，具体涉及一种基于卷积神经网络的光学元件快速暗场检测方法。

背景技术

大口径熔石英光学元件是高功率固体激光装置的终端光学组件中应用最为普遍的光学元器件，但在高功率固体激光系统中，当元件在强激光的辐照下，易产生微裂纹、微凹坑等烧蚀点微缺陷。研究表明，当微裂纹或烧蚀点等微缺陷产生后，随着激光辐照次数的增加，光学元件的后表面微缺陷尺寸以指数性增长。当微缺陷数量增加到一定程度时，光学元件将报废而不能继续使用。对于大口径熔石英光学元件，其加工时间周期长、成本高，为了延长光学元件的使用寿命，国内外主要采取的解决措施是对已产生的微缺陷进行激光微修复，使其抗损伤能力大幅度提升，从而抑制损伤增长，增加元件使用寿命，降低成本。

熔石英光学元件在运输、安装及使用的过程中会不可避免的引入大量污染物，这些污染物附着在元件上，形状与损伤相似，会对元件表面损伤检测造成干扰。因此为了获取元件表面的损伤信息，要对损伤及污染物进行区分。目前采用的主要方法是在暗场检测时获得所有缺陷及污染物的位置信息，然后将元件转移到显微相机下进行更为清晰的拍照，确定该点是否为损伤。然而移动显微相机逐个对目标点进行定位并识别要消耗大量的时间，使得检测进程加长。

发明内容

鉴于以上问题，本发明提出一种基于卷积神经网络的光学元件快速暗场检测方法，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。

一种基于卷积神经网络的光学元件快速暗场检测方法，包括以下步骤：

步骤一、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；

步骤二、对所述暗场图像集进行预处理；

步骤三、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，获得训练好的识别模型；

步骤四、将包含元件表面缺陷区域的待识别图像输入训练好的识别模型中，获得识别结果；所述识别结果包括所述缺陷区域是否为伪缺陷区域。

进一步地，步骤一的具体步骤包括：

步骤一一、采用环形光源低角度照射元件表面形成暗场环境，在暗场环境下对元件表面进行逐行逐列移动扫描，采集获取多个预设拍照位置的多个子图；其中，每个预设拍照位置对应采集多个不同曝光值的子图，多个不同曝光值分为高曝光值和低曝光值两类；

步骤一二、对多个子图进行处理，获得多个元件表面缺陷区域图像；

步骤一三、对元件表面缺陷区域进行吹尘处理，根据吹尘处理结果对多个元件表面缺陷区域图像对应标注，以获取正样本和负样本图像数据。

进一步地，步骤一二的具体过程包括：对每个预设拍照位置的高曝光值对应的子图进行二值化处理，提取缺陷区域轮廓，并计算轮廓的最小外接正方形，以最小外接正方形的中心位置和尺寸分别在高曝光值和低曝光值对应的子图中截图，分别获得高曝光值和低曝光值对应的缺陷区域图像。

进一步地，步骤二中所述预处理包括对图像数据进行翻转、旋转、噪声扰动的数据增强。

进一步地，步骤三的具体步骤包括：