期刊：Optics & Laser Technology ( Volume 159, April 2023)
标题：Efficient and precise detection for surface flaws on large-aperture optics based on machine vision and machine learning
作者：Zhaoyang Yin, Henan Liu, Linjie Zhao，Jian Cheng, Chao Tan, Xiaotao Li, Yankang Chen, Zhiyu Lin, Mingjun Chen
单位：State Key Laboratory of Robotics and System, Harbin Institute of Technology
2、研究方法：
图1 暗场检测系统配置示意图
为了提高检测分辨率，检测系统根据图2中的逐级扫描的方法实现了光学器件全口径图像的采集。相机每次只采集捕获位置的光学局部区域图像，随后通过公式计算得到缺陷位置的坐标，可以有效提高检测分辨率。
图2 逐级扫描过程
论文提出了一套基于机器学习的表面缺陷检测算法，算法由训练过程和检测过程组成。训练过程构建和训练缺陷分类模型和尺寸测量模型。在训练过程中，利用对象分割和特征提取算法提取缺陷特征，得到数据集。然后，利用显微成像系统对数据集中的缺陷类别和大小进行标记。最后，在标记数据集的基础上训练分类模型和尺寸测量模型。检测过程通过训练好的模型得到大口径光学器件表面不同缺陷的分布信息。在检测过程中，采用逐级扫描的方法获取光学器件的暗场图像，利用目标分割算法获得光学表面缺陷的分布，确定特征提取区域，每个缺陷分配一个唯一的编号。通过计算缺陷区域最小限定圆的中心坐标，得到子图像中缺陷的像素位置，并通过方程转换为缺陷在光学表面的实际坐标，然后利用训练后的模型对缺陷进行分类和测量。最后，根据检测结果生成表面缺陷分布图。
3、结论：
论文提出了一种基于机器视觉和机器学习的大口径光学检测方法，用于解决光学元件表面缺陷的定位、分类和测量。提出了基于逐级扫描的暗场检测系统用于大口径光学器件表面微米级缺陷的检测，该系统对采集到的光学器件的图像进行物体分割、特征缺陷提取、缺陷分类、尺寸标定、评估缺陷状态的功能。综上所述，论文提出的表面探伤方法可以实现对光学表面损伤和洁净度的高效高精度评价，为大口径光学的检测和维护提供了技术支持。
