关键词:
大数据技术
非球面光学元件
表面缺陷检测
改进YOLOv3模型
CBAM混合注意力机制
摘要:
光学技术的快速发展使非球面光学元件在成像、通信等领域的应用日益广泛,其表面缺陷检测成为确保产品质量的关键环节。为满足更高精度的检测需求,设计了大数据驱动的非球面光学表面缺陷检测方法。在大数据驱动下,设计非球面光学表面图像采集装置,由显微光学成像系统、分光棱镜、光纤照明、机械调整台、电动转台构成,实施非球面光学表面图像的大数据采集。在大数据驱动下,采用小波阈值去噪方法对采集的非球面光学表面缺陷图像实施去噪处理。选定YOLOv3作为基础架构,对三个方向实施针对性改进,通过改进后的YOLOv3模型实现非球面光学表面缺陷检测。测试结果表明,所设计的方法对于5种实验元件的表面缺陷平均尺寸测量偏差较低,尤其是对于抛光非球面棱镜的表面缺陷,其平均尺寸测量偏差最低。此外,该方法对于五种实验元件的表面伪缺陷响应系数较低,意味着它不容易受到伪缺陷的影响。