西安工业大学光电工程学院, 陕西 西安 710021
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。
双向反射分布函数 矢量散射 表面疵病 散射特性 显微暗场成像 BRDF vector scattering surface defect scattering characteristics microscopic dark field imaging
红外探测器光学元件表面疵病、污染可能会降低系统的探测性能。杜瓦中窗片、滤光片表面存在不同程度的麻点、划痕,采用光学仿真软件LightTools计算分析光学元件表面不同疵病等级情况下的光学参数,引入杂散辐射系数和信杂比的概念对杜瓦光学特性进行评估,合理判断光学元件的表面疵病容限。同时仿真分析滤光片位置造成的表面疵病对杜瓦光学特性的影响。结果表明:随着窗片、滤光片表面疵病等级增加,接收像面非均匀性增加、信号强度减弱,且在相同疵病等级情况下,滤光片与芯片距离越近,疵病对杜瓦光学特性影响越大,因此在杜瓦设计时必须严格控制光学元件表面疵病容限,并合理设置滤光片封装位置。
光学元件表面疵病 杜瓦光学特性 疵病容限 optical element surface defects Dewar optical characteristics defect tolerance 红外与激光工程
2020, 49(S1): 20200113
湖南航天环宇通信科技股份有限公司, 湖南 长沙 410205
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。
光学元件 表面疵病 散射成像 在位检测 图像处理 optical elements surface defects scattering imaging In situ detection image processing
长春理工大学 光电工程学院, 吉林 长春 130022
针对钛宝石晶体表面低损伤加工进行了系统研究, 在CCOS数控小磨头抛光机上进行了正交实验, 选用不同的抛光液对钛宝石进行化学机械抛光, 有效去除精磨阶段的亚表面损伤, 实验证明SiO2硅溶液作为磨料的抛光效果好, 适合作为钛宝石加工的抛光液。研究了抛光盘种类、抛光盘压力、抛光盘速度、硅溶胶稀释浓度这四个因素和钛宝石晶体表面粗糙度和表面疵病的关系, 并获得钛宝石低缺陷加工过程中工艺参数的影响规律。按照优化后的工艺参数进行实验, 获得了低缺陷、高精度的钛宝石表面。运用灰色关联分析法对抛光参数进行优化, 在最佳加工工艺组合条件下, 得到钛宝石表面粗糙度为0.262 nm, 表面疵病率为1.4×10-3 mm-1。
钛宝石 化学机械抛光 表面粗糙度 表面疵病 灰度关联 titanium gemstone chemica-mechanical polishing surface roughness surface rickets grayscale correlation 红外与激光工程
2019, 48(12): 1215002
1 四川大学电子信息学院, 四川 成都 610064
2 中国科学院光电技术研究所, 四川 成都 610209
3 超光滑表面无损检测安徽省重点实验室, 合肥知常光电科技有限公司, 安徽 合肥 230031
光学元件在加工及使用过程中引入的麻点或擦痕会严重影响其表面质量。基于Peterson疵病散射理论,将麻点或擦痕引起的散射光分为两部分,即对麻点(或擦痕)内部表面的散射光作漫反射分析,对麻点或擦痕外围轮廓引起的散射光作衍射分析。进一步考虑麻点和擦痕的挡光效应,以及麻点衍射消失的边界条件,通过将疵病散射理论与国家标准GB/T 1185—2006相结合,推导出麻点、擦痕的双向反射分布函数的解析表达式,进而分析了不同疵病级数下的角分辨散射和总散射。研究结果表明:表面疵病的总散射与疵病面积近似成线性正比,进而据此提出了一种基于总散射测量的表面质量检测新方法,并分析了光学元件表面疵病的阈值。
散射 疵病检测 表面疵病 散射光 疵病阈值
1 中国科学院上海光学精密机械研究所高功率激光物理重点实验室, 上海 201800
2 中国科学院大学, 北京 100049
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。
光学器件 表面疵病 动态彩色编码 高功率激光技术
1 上海大学材料科学与工程学院, 上海 200444
2 中国科学院上海光学精密机械研究所强激光材料重点实验室, 上海 201800
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。
成像系统 表面疵病 背景校正 图像梯度 最大类间方差法
提出一种基于条纹反射的光学表面疵病检测方法, 检测系统由液晶显示屏、CCD相机和计算机组成.检测时在显示屏上分别显示水平和垂直两个方向正交的正弦性条纹, 用CCD相机记录经被测表面反射的正弦条纹像, 通过相移技术得到两个方向正交的相位分布和对比度分布, 通过对比度分布确定被测表面的疵病位置.被测面表面面形相关信息包含在相位分布中, 其表面疵病细节信息包含在局部微观相位分布之中.对相位分布进行多项式拟合后相减得到疵病引起的微观相位分布, 计算得到表面疵病的梯度分布, 积分得其高度分布.实验验证了该方法的可行性.
光学检测 表面检测 条纹反射 光学表面疵病 条纹处理 Optical testing Surface testing Fringe reflection Optics surface flaws Fringe analysis
浙江大学 现代光学仪器国家重点实验室,杭州 310027
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。
表面疵病 灰尘 麻点 模式识别 因子分析 贝叶斯判别 surface defect dusts digs pattern recognition factor analysis Bayes discrimination 强激光与粒子束
2014, 26(1): 012001
西安工业大学 光电工程学院, 陕西 西安710021
针对现有球面光学元件表面疵病检测技术研究较少的情况, 根据疵病对光的散射特性, 提出了一种基于机器视觉技术检测球面光学元件表面疵病的方法。实验分析了光照角度、光强大小和球面光学元件曲率半径对疵病散射光成像质量的影响。并对口径为Φ14 mm, 曲率半径为13 mm的球面光学元件表面进行了检测, 实验表明, 该技术对元件样品上10 μm以下的表面疵病可进行有效的检测。
球面光学元件 表面疵病 散射光 机器视觉 spherical optical element surface defect disease scattering light machine vision