精密光学元件表面疵病检测技术研究

江晓亮; 杨小军; 邓小雷; 李柏林; 赵文川

doi:10.13873/j.1000-9787(2017)11-0025-03

Chinese

您当前的位置：

首页 >

文章列表页 >

精密光学元件表面疵病检测技术研究

研究与探讨 | 更新时间：2025-09-11

- 精密光学元件表面疵病检测技术研究
- Study on surface defects detection technology for precision optical element
- 传感器与微系统 2017年36卷第11期页码：25-27+31
- 作者机构：
  
  1. 衢州学院机械工程学院
  2. 西南交通大学机械工程学院
  3. 中国科学院光电技术研究所
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（51605253）;浙江省自然科学基金资助项目（LY16E050011）;浙江省公益技术应用研究项目（2016C31127）
- DOI：10.13873/j.1000-9787(2017)11-0025-03
  中图分类号： TH74;TP391.41
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]江晓亮,杨小军,邓小雷,李柏林,赵文川.精密光学元件表面疵病检测技术研究[J].传感器与微系统,2017,36(11):25-27+31.

JIANG Xiao-liang, YANG Xiao-jun, DENG Xiao-lei, et al. Study on surface defects detection technology for precision optical element[J]. 2017, 36(11): 25-27+31.
[1]江晓亮,杨小军,邓小雷,李柏林,赵文川.精密光学元件表面疵病检测技术研究[J].传感器与微系统,2017,36(11):25-27+31. DOI： 10.13873/j.1000-9787(2017)11-0025-03.

JIANG Xiao-liang, YANG Xiao-jun, DENG Xiao-lei, et al. Study on surface defects detection technology for precision optical element[J]. 2017, 36(11): 25-27+31. DOI： 10.13873/j.1000-9787(2017)11-0025-03.

摘要

依据光学元件表面疵病存在的对比度低、边界模糊等特性

以及现有的自动化检测算法

提出了一种基于机器视觉的数字化评价系统

解决了疵病图像获取中的相机定位、图像采集、疵病检测、图像拼接以及疵病统计等自动检测技术问题。实验结果表明:系统实现了精密光学元件表面疵病的自动化检测

能够有效分辨微米（μm）量级的疵病

具有良好的疵病识别性能。

Abstract

According to characteristics of optical element surface defect

such as low contrast

fuzzy boundaries

and the existing automatic detection algorithm

propose a digital evaluation system based on machine vision technology

which solves the problems in automatic detection such as camera localization

image acquisition

defects detection

image mosaic and defects statistics during flaw image acquiring process. Experimental results show the system can realize the automatic detection of the precision optical element surface defect and distinguish the defects of micron level effectively

it has good performance of defect recognition.

关键词

Keywords

references

基于帧差法和自适应阈值区域生长的红外运动目标检测 [J]. 李冰,李范鸣,谢江英,黄飞. 半导体光电 . 2017(01)

基于帧差法和背景差法的运动目标检测 [J]. 张应辉,刘养硕. 计算机技术与发展 . 2017(02)

数字图像在光学元件表面缺陷检测与分析 [J]. 刘继华,强彦. 激光杂志 . 2016(08)

基于背景校正和图像分割定量分析光学元件表面疵病的新算法 [J]. 张博,倪开灶,王林军,刘世杰,吴伦哲. 光学学报 . 2016(09)

一种快速鲁棒的光学表面划痕高精度检测方法 [J]. 陈少杰,李柏林,赵文川,熊鹰,刘甲甲. 激光技术 . 2016(03)

融合旋转平移信息的机器人手眼标定方法 [J]. 张召瑞,张旭,郑泽龙,屠大维. 仪器仪表学报 . 2015(11)

一种新的精密光学镜片表面疵病宽度测量方法 [J]. 朱聪,于广婷,李柏林,赵文川. 计算机应用与软件 . 2014(12)

遥感图像拼接系统 [J]. 詹斌,李华格,蒋迪星,秦绪佳. 计算机系统应用 . 2014(05)

光学图像中一种新的边界断点连接方法 [J]. 于广婷,朱聪,李柏林,陈小艳. 计算机应用研究 . 2014(04)

光学元件表面的数字全息在线检测 [J]. 王璠璟,肖文,潘锋,丛琳,李建毅. 光学精密工程 . 2012(06)

单帧图像热致光学误差祛除算法研究 [J]. 张铫,刘铁根,赵刚. 传感器与微系统 . 2010(11)

光学零件表面疵病的标识 [J]. 果宝智. 激光与红外 . 2000(02)

精密表面缺陷检测散射成像理论建模及系统分析研究 [D]. 王世通. 浙江大学 2015

光学元件表面疵病散射法检测技术研究 [D]. 王科. 西安工业大学 2013

光学系统中光学零件表面疵病测试系统研究 [D]. 陈璐. 长春理工大学 2013

GB/T 1185-2006. 光学零件表面疵病 [S]. 1974

浏览量

237

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于角度统计特征的步态识别

基于FMCW雷达的非接触式情感识别

基于改进YOLOv5的石英坩埚气泡轻量化检测算法

融合梯度信息的改进中值滤波算法研究

基于图像处理与RSSI信号的室内定位算法