CN108705689B - 大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法 - Google Patents
大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法 Download PDFInfo
- Publication number
- CN108705689B CN108705689B CN201810520556.1A CN201810520556A CN108705689B CN 108705689 B CN108705689 B CN 108705689B CN 201810520556 A CN201810520556 A CN 201810520556A CN 108705689 B CN108705689 B CN 108705689B
- Authority
- CN
- China
- Prior art keywords
- tool setting
- tool
- image
- cutter
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
- B28D5/0058—Accessories specially adapted for use with machines for fine working of gems, jewels, crystals, e.g. of semiconductor material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
- B28D5/0058—Accessories specially adapted for use with machines for fine working of gems, jewels, crystals, e.g. of semiconductor material
- B28D5/0064—Devices for the automatic drive or the program control of the machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,属于精密光学加工领域。本发明是为了解决大口径KDP晶体元件表面微缺陷修复时人工对刀效率低、重复精度差等问题。根据捕捉的刀具及其倒影的轮廓信息,确定每帧图像中刀具与倒影的像素距离;对显微镜采集到的图像尺寸比例进行标定,确定刀具距晶体对刀表面的视觉距离;计算“投影法”对刀过程中视觉差引起的刀具与倒影间距离误差,估算刀具与晶体对刀表面的实际距离;确定最终对刀阶段的时机以保证对刀精准性。根据刀具与晶体的相对位置设计刀具在不同位置处的进给速度、步长参数,建立对刀程序实现刀具从零点到对刀完成的全自动化过程,节省晶体修复时间。
Description
技术领域
本发明属于精密光学加工领域,具体涉及一种大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法。
背景技术
为了解决能源危机,缓解人们对煤、石油、天然气等化石燃料的依赖程度,世界各国均在进行激光驱动惯性约束核聚变工程的研制工作。在激光核聚变工程中,需要用到上万块大口径、高精度、高表面质量的光学元件来对初始低能量输入激光进行整形、传输、放大、倍频等处理,以获得适宜于“聚变点火”环境的高能量紫外激光输出。在这些光学元件中,KDP晶体因具备独特的光学特性而被用来制作光电开光和倍频器,成为现阶段激光核聚变工程中不可替代的核心器件。软脆KDP晶体元件的超精密加工和水溶性生长均极其困难;同时,加工制备后的晶体元件在强激光环境下易发生激光损伤并在后续激光辐照下急剧扩展。晶体元件的激光损伤会严重影响其光学性能和使用寿命,从而极大地限制KDP晶体在激光核聚变工程中的推广应用。目前,采用精密微铣削技术对晶体表面激光损伤点进行修复去除是抑制激光损伤增长,提升晶体元件激光负载能力的一种行之有效的方法。经过微铣削修复后的晶体表面在承受500次左右的激光辐照后就需要进行更换,而激光核聚变工程为了保证打靶密度,至少需要每30秒进行一次激光辐照,这就意味着平均每4小时就要完成一次晶体元件的更换、检测、修复和再次安装的循环。因此,开发出高效、可靠、精密的微铣削修复技术对于解决昂贵KDP晶体元件使用过程中的激光损伤难题具有至关重要的作用。
对光学晶体表面损伤缺陷进行修复时,每个缺陷修复后深度约为30μm左右。由于晶体存在一定平面度误差,叠加修复机床各种误差的影响,不同位置缺陷点的对刀距离会有10~50μm的差异。因此,对于晶体表面上不同位置处的缺陷,需要分别对刀才能进行修复加工。这样,对刀时间长短就直接影响整块晶体的修复效率。同时,针对大口径KDP晶体元件,最终修复深度允许的误差仅为数微米,对刀误差必须控制在5μm左右。目前,传统的对刀方法是根据CCD图像通过人工经验判断刀具相对工件表面的距离、进给速度等参数来完成,这种对刀方式精度不高,重复性精度低,反复调整焦距和放大倍率的过程也费时费力。对于一块410mm×410mm的大口径KDP晶体元件,微缺陷数量一般为100个以上,如果对每个缺陷点都采用手动对刀,仅考虑时间消耗就远不能满足效率要求。
发明内容
本发明是为了解决大口径KDP晶体元件表面微缺陷修复时人工对刀效率低、重复精度差等问题。
本发明为解决上述技术问题采取的技术方案是:
一种大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,它由以下步骤实现:
步骤1.安装KDP晶体元件,组装并调整用于缺陷检测的上显微镜系统和对刀显微镜系统,晶体修复机床系统各轴(X2,Y2,Z2)自动回零;
步骤2.基于对刀CCD驱动程序提供的标准库函数,开发调试工具采集对刀过程的每帧图像数据信息,并将之转化为可处理的IplImage图像格式;
步骤3.根据步骤2采集的实时对刀图像信息,基于跨平台开源计算机视觉图像处理库对每帧对刀图像进行数据处理,捕捉对刀过程中微铣刀及其倒影的轮廓;
步骤4.根据步骤3捕捉的刀具及其倒影的轮廓信息,确定每帧图像中刀具与倒影的像素距离;对显微镜采集到的图像尺寸比例进行标定,确定刀具距晶体对刀表面的视觉距离;计算“投影法”对刀过程中视觉差引起的刀具与倒影间距离误差,估算刀具与晶体对刀表面的实际距离;
步骤5.确定最终对刀阶段的时机,设置对刀最终阶段图像处理的范围,利用图像差分检测方法识别对刀最终阶段采集的每张图像选定的对刀区域,直至发现最终对刀形成的亮点切屑,将之作为对刀完成的标志;
步骤6.将步骤3,4和5中开发的对刀图像处理算法进行隐藏和封装,设计面向用户的直观自动对刀图形化界面;建立对刀程序与机床数控运动系统程序间的通信模型,实现对刀程序(用于处理对刀图像)与数控运动程序(用于控制Z2轴)的实施信息交互;
步骤7.根据自动对刀程序的特点和刀具轴运动指令的特点,设计出刀具从零点到对刀完成中间过程的进给率、步长,实现自动对刀工艺过程设计。
进一步地,在步骤1中,对刀显微镜调节至指定放大倍数后始终保持固定;两个高亮度对称LED光源安放在显微镜升降移动平台上,与显微镜一同运动,两束光线交点通过CCD光轴并且位于显微镜焦距位置;对刀前刀具运动到缺陷点位置正下方。
进一步地,步骤2中所述的对刀CCD选用的是维视图像的MV-VD200SC型工业CCD,分辨率为1600×1200,最大帧速度可达12fps,所述CCD驱动程序可提供以WDMIAT3.0为接口的C++语言标准库函数。
进一步地,在步骤3中,在捕捉微铣刀及其倒影轮廓时,采用图像分割的方法进行轮廓目标的识别,在对刀CCD图像中,晶体表面对应的图像中像素值作为背景,随时间运动的刀具及其倒影作为前景,通过图像分割,将前景物体的刀具轮廓作为目标提取出来。
进一步地,步骤4中估算刀具与晶体对刀表面的实际距离的具体实施步骤如下:
步骤4-1、对采集的对刀图像中的刀具实体和倒影轮廓设置成两个单独的感兴趣区域ROI,通过对捕获的刀具实体和倒影轮廓进行矩形包络可确定刀具及其倒影的边界;
设置ROI时,以图像左下角为像素坐标原点,rect1表示刀具实体的边界矩形,利用OpenCV提供的检测图像轮廓函数可获得刀具实体的上边界y坐标,记作rect1.Top;同理,用rect2表示倒影轮廓的边界矩形,获得下边界坐标,记作rect2.Bottom,得到刀具实体与倒影的像素距离为:
Δdd'=rect2.Bottom-rect1.Top (1)
步骤4-2、为了对所使用显微镜放大倍率下获得的图像像素尺寸标定,将刀具Z2轴向上进给,每次控制运动步长,并拍下此时对刀图片,测量图片中刀具与轮廓像素距离,然后计算每个像素点与实际尺寸的比例关系,
通过多次进给、多张图像的标定可计算出此放大倍率下对刀图像尺寸分辨率为t(单位为μm/pixel);然后再算出图像视野范围和显微镜实际放大倍数;根据刀具与倒影的像素距离与图像尺寸分辨率,可计算出刀具距离晶体对刀表面的视觉距离为:
Δd'=(rect2.Bottom-rect1.Top)×t μm/pixel (2)
步骤4-3、采用“投影法”对刀过程中,随着刀具向对刀表面进给的进行,当刀具实体与倒影轮廓顶点相接触时,由于CCD与刀具平面有15°的夹角,会产生视角差;由几何关系可获得“投影法”对刀因视觉差引起的图像距离误差为:
式中R——微铣刀半径;
θ——CCD光轴与刀具平面夹角;
考虑“投影法”对刀中视觉差引起的刀具与倒影间距离误差,即可估算出刀具与晶体对刀表面的实际距离为:
Δd=(rect2.Bottom-rect1.Top)×t μm/pixel+Δd0 (4)。
进一步地,步骤5所述的确定最终对刀阶段的时机为,设置对刀最终阶段图像处理的范围,利用图像差分检测方法识别对刀最终阶段采集的每张图像选定的对刀区域,直至发现最终对刀形成的亮点切屑,将之作为对刀完成的标志;在步骤5中,最终对刀区域的大小、位置满足如下要求:中心位置为刀具轴上刀具与倒影接触点,长度LROI=3D,D为刀具直径,宽度HROI=80pixels;再利用图像差分检测方法识别对刀完成的崩出亮点切屑标志时,对亮度较低的差值图像进行增强处理,获得适合处理的插值图像。
进一步地,在步骤6中对刀程序与数控运动程序之间利用Windows底层API函数以“窗口消息(WM_COPYDATA)”的方式进行通信。
进一步地,步骤7的具体实现过程如下:
步骤7-1、通过标定算出CCD图像在固定放大倍率下的图像高度,刀具与倒影从出现在视野到完成对刀实际进给距离小于图像高度二分之一;对刀开始时刀具从原点开始向上进给。当刀具到对刀表面距离大于图像高度二分之一时,此时刀具不在视野中,选用较大进给速度300-500μm/s,使得刀具尽快进入视野;
步骤7-2、当刀具到对刀表面距离小于图像高度二分之一时,刀具刚进入视野中,可将进给速度降为50-100μm/s。
步骤7-3、当刀具与对刀表面继续接近至距离小于600μm时,刀具轴Z2再次降速至50μm/s;
步骤7-4、当刀具与对刀表面继续接近至距离小于400μm时,刀具轴Z2降速至10μm/s,直至进入最终对刀阶段;
步骤7-5、当进入最终对刀阶段,此时无法通过视觉图像直观获得轮廓距离,按照加工经验以5μm/s进给5个步长,共计距离25μm;
步骤7-6、最后,以刀具轴最低速度(1μm/s)逐步接近对刀表面,直至程序识别出对刀完成标志(崩出亮点切屑),完成对刀。
本发明的有益效果是:
本发明通过提供一种精密晶体元件表面微缺陷修复过程中的自动对刀工艺方法,开发出基于“投影法”和图像处理的自动对刀程序,实现晶体表面微缺陷修复时的高效、高精、自动对刀过程,从而大大提高晶体元件精密微铣削修复的效率。本发明提出一种基于“倒影法”的自动对刀方案,通过刀具及其倒影的相对位置判断刀具与晶体表面距离,并根据图像帧差判断是否出现切屑,作为对刀完成的标志,保证对刀精准性。同时,根据刀具与晶体的相对位置设计刀具在不同位置处的进给速度、步长等参数,建立自动对刀程序与数控加工程序间的通讯,从而实现刀具从零点到对刀完成的全自动化过程,大大节省晶体修复时间。
本发明的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法是一种基于“倒影法”的大口径精密光学晶体表面微缺陷修复用的自动对刀工艺方法,其具体有益效果是:
(1)基于图像处理的自动对刀工艺方法,可避免手动对刀时的效率低、重复性差等问题,大大提高大口径精密光学晶体表面微缺陷的修复效率,采用本工艺方法完成一次自动对刀仅需2min;
(2)利用“投影法”对刀工艺方法,以对刀发生时形成的微小切屑作为对刀完成的标识,可保证自动对刀的准确性和精度,对刀误差可控制在4μm以内;
(3)将设计的复杂对刀算法进行隐藏和封装,开发面向用户的直观自动对刀图形化界面,操作简便,使用方便,而且还能大大降低对刀时图像处理程序的出错率。
附图说明
图1是大口径KDP晶体表面微缺陷修复装置及自动对刀系统结构示意图;图2是对刀图像中的刀具实体和倒影轮廓的ROI区域设置及其像素距离计算示意图;图3是对刀图像像素尺寸标定过程中捕获到的刀具及其倒影图像;图4是“投影法”对刀中视觉差引起的刀具与倒影间距离误差示意图;图5是最终对刀阶段对刀完成标志识别时图像处理范围设置示意图;图6是面向用户的直观自动对刀图形化界面;图7是自动对刀过程中各阶段刀具位置及刀具轴进给参数的设置;图8是基于混合高斯背景法分割出的不同对刀位置处微铣刀与其轮廓图像序列,图中:a)为开始分割出刀具轮廓,b)为轮廓逐渐清晰,c)为刀具、倒影接触,d)为对刀完成,出现切屑;图9为自动对刀程序在修复机床数控程序中的实现方式流程框图;图10为嵌入自动对刀程序后的数控运动程序软件界面;图11为大口径KDP晶体表面微缺陷修复用自动对刀工艺方法获得的对刀状态图,图中:a)为刀具未进入视野,b)为刀具刚检测出轮廓,c)为刀具继续进给,d)为检测到整个刀头部分,e)为进入最终对刀阶段,f)为对刀完成;图12为自动对刀完成后的标志点的检测结果图。
具体实施方式
具体实施方式一:如图1所示,本实施方式所述的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,它由以下步骤实现:
1.安装KDP晶体元件,组装并调整上显微镜系统和对刀显微系统,晶体修复机床系统各轴自动回零;
2.基于对刀CCD驱动程序提供的标准库函数,借助Visual C++6.0开发调试工具采集对刀过程的每帧图像数据信息,并将之转化为可处理的IplImage图像格式;
3.根据步骤2采集的实时对刀图像信息,基于跨平台开源计算机视觉图像处理库对每帧对刀图像进行数据处理,捕捉对刀过程中微铣刀及其倒影的轮廓;
4.根据步骤3捕捉的刀具及其倒影的轮廓信息,确定每帧图像中刀具与倒影的像素距离;对显微镜采集到的图像尺寸比例进行标定,确定刀具距晶体对刀表面的视觉距离;计算“投影法”对刀过程中视觉差引起的刀具与倒影间距离误差,估算刀具与晶体对刀表面的实际距离;
5.确定最终对刀阶段的时机,设置最终对刀阶段图像处理的范围,利用图像差分检测方法识别最终对刀形成的亮点切屑,并将之作为对刀完成的标志;
6.将步骤3,4和5中开发的对刀图像处理算法进行隐藏和封装,设计面向用户的直观自动对刀图形化界面;建立对刀程序与机床数控运动系统程序间的通信模型,实现对刀程序与数控运动程序的实施信息交互;
7.根据自动对刀程序的特点和刀具轴运动指令的特点,设计出刀具从零点到对刀完成中间过程的进给率、步长,实现自动对刀工艺过程设计。
步骤1中所述晶体修复机床是自行研制的大口径KDP晶体表面微缺陷快速搜寻与微铣削修复装置(申请号:201310744691.1),该机床可实现430mm×430mm的KDP晶体元件表面缺陷点的快速扫描与精密微铣削修复。修复机床包含上显微镜系统(Xh,Yh,Z1轴)用于晶体表面缺陷点的快速搜寻和修复加工过程实时监控、缺陷修复系统(X2,Y2,Z2轴)用于缺陷点的三轴联动加工去除、对刀显微镜系统(X3,Y3,Z3轴)用于精密修复时微铣刀具的对刀;修复过程中刀具轴与水平面设计成45°夹角,对刀显微镜光轴与水平面成15°夹角,对刀显微镜调节至指定放大倍数后始终保持固定;两个高亮度对称LED光源安放在显微镜升降移动平台上,与显微镜一同运动,两束光线交点通过CCD光轴并且位于显微镜焦距位置,以保证对刀视野范围的亮度,并清楚观察到晶体和刀头细节;对刀前刀具运动到缺陷点位置正下方,对刀过程是刀具Z2轴向上抬升至晶体下表面的过程。
步骤2中所述的对刀CCD选用的是维视图像的MV-VD200SC型工业CCD,分辨率为1600×1200,最大帧速度可达12fps,该CCD驱动程序可提供以WDMIAT3.0为接口的C++语言标准库函数,封装好的37个类和17个全局函数、4个结构类型、25个变量类型可实现实时图像采集、简单图像处理、视频流处理等功能;采集对刀图像被转换成的IplImage格式是后续计算机视觉处理库最基本、最重要的图像数据结构。
步骤3中所述的跨平台开源计算机视觉图像处理库简写为OpenCV(Open SourceComputer Vision Library),主要用于对采集到的每帧对刀图像进行图像处理和算法设计。在捕捉微铣刀及其倒影轮廓时,采用图像分割的方法进行轮廓目标的识别,即:在对刀CCD图像中,晶体表面对应的图像中像素值随时间变化很小,可作为背景,而刀具及其倒影是随时间运动的目标,作为前景。通过图像分割,目标是将作为前景物体的刀具轮廓提取出来。
步骤4中所述的估算刀具与晶体对刀表面的实际距离是根据捕获到的实对刀轮廓和“投影法”对刀的原理,获得刀具与对刀表面的实际距离,从而为最终自动对刀工艺参数设置与对刀程序开发提供参数依据,具体实施步骤如下:
4-1对采集的对刀图像中的刀具实体和倒影轮廓设置成两个单独的感兴趣区域(Region of Interest,ROI),通过对捕获的刀具实体和倒影轮廓进行矩形包络可确定刀具及其倒影的边界。如图2所示,设置ROI,以图像左下角为像素坐标原点,rect1表示刀具实体的边界矩形,利用OpenCV提供的检测图像轮廓函数可获得刀具实体的上边界y坐标,记作rect1.Top;同理,用rect2表示倒影轮廓的边界矩形,获得下边界坐标,记作rect2.Bottom。这样即可确定出刀具实体与倒影的像素距离为:
Δdd'=rect2.Bottom-rect1.Top (1)
4-2为了对所使用显微镜放大倍率下获得的图像像素尺寸标定,将刀具Z2轴向上进给,每次控制运动50μm的步长,并拍下此时对刀图片,测量图片中刀具与轮廓像素距离,然后计算每个像素点与实际尺寸的比例关系,标定过程中获得的对刀图像如图3所示。通过5次进给、6张图像的标定可计算出此放大倍率下对刀图像尺寸分辨率为2μm/pixel。同时,可以算出图像视野范围为3200μm×2400μm,显微镜实际放大倍数为4.4μm/2μm=2.2(4.4μm为CCD感光单元尺寸)。根据刀具与倒影的像素距离与图像尺寸分辨率,可计算出刀具距离晶体对刀表面的视觉距离为:
Δd'=(rect2.Bottom-rect1.Top)×2μm/pixel (2)
4-3采用“投影法”对刀过程中,随着刀具向对刀表面进给的进行,当刀具实体与倒影轮廓顶点相接触时(如图4所示,此时刀具实体和倒影顶点均在对刀CCD的光轴上),由于CCD与刀具平面有15°的夹角,会产生视角差。即:虽然此时采集图像中刀具与其倒影已接触,但实际刀具与晶体对刀表面还有一段距离,对刀并未完成。由几何关系可获得“投影法”对刀因视觉差引起的图像距离误差为:
式中R——微铣刀半径,修复刀具半径一般选取250μm和400μm;
θ——CCD光轴与刀具平面夹角。
考虑“投影法”对刀中视觉差引起的刀具与倒影间距离误差,即可估算出刀具与晶体对刀表面的实际距离为:
Δd=(rect2.Bottom-rect1.Top)×2μm/pixel+Δd0 (4)
步骤5中所述最终对刀阶段的时机选择是为了降低刀具粘屑、振动、对焦不清晰等恶劣条件对刀具及其倒影轮廓图像识别精度的消极影响,当刀具与倒影的距离Δdd'达到某一阈值dfinal时就设定程序进入最终对刀阶段,从而为刀具调整进给参数提供一个安全高度范围;最终对刀阶段图像处理范围是在对刀最终阶段,对刀完成产生的切屑一般只出现在刀尖附近局部区域,因此仅对限定范围的ROI图像区域进行对刀最终阶段的图像处理,从而大大减小图像处理量,提高对刀效率。如图5所示,最终对刀ROI区域是一个矩形,其大小、位置满足如下要求:中心位置为刀具轴上刀具与倒影接触点,长度LROI=3D,D为刀具直径,宽度HROI=80pixels;再利用图像差分检测方法识别对刀完成的标志(崩出亮点切屑)时,需对亮度较低的差值图像进行增强处理,获得适合处理的插值图像。同时,对最终对刀过程中气体吹出刀尖的粘屑引起的“假切屑”干扰进行重点控制,最终获得高对刀准确性和强抗干扰能力的对刀完成识别方法。
步骤6中所述的面向用户的直观自动对刀图形化界面应显示CCD实时图像、对刀实时距离、最终对刀状态差值图像,同时可实现CCD操作、自动对刀等功能(如图6所示);对刀程序与数控运动程序之间是利用Windows底层API函数以“窗口消息(WM_COPYDATA)”的方式进行通信的。
步骤7中自动对刀工艺过程设计是指根据自动对刀程序提供的刀具与倒影距离量安排刀具Z2轴进给参数,在晶体和微铣刀装夹完成后,晶体下表面距离刀尖大约17.5mm时开始对刀,根据两者的实际距离可将对刀过程分成6个阶段,每个阶段及其刀具进给参数设置如图7所示,晶体修复时分阶段、变步长、变速度的对刀工艺具体步骤如下:
7-1通过标定可计算出CCD图像在固定放大倍率下的图像高度为2400μm,刀具与倒影从出现在视野到完成对刀实际进给距离小于1200μm。对刀开始时刀具从原点开始向上进给。当刀具到对刀表面距离大于1200μm时,此时刀具不在视野中,选用较大进给速度500μm/s,使得刀具尽快进入视野。
7-2当刀具到对刀表面距离小于1200μm时,刀具刚进入视野中,可将进给速度降为100μm/s。
7-3当刀具与对刀表面继续接近至距离小于600μm时,刀具轴Z2再次降速至50μm/s。
7-4当刀具与对刀表面继续接近至距离小于400μm时,刀具轴Z2降速至10μm/s,直至进入最终对刀阶段。
7-5当进入最终对刀阶段,此时无法通过视觉图像直观获得轮廓距离,按照加工经验以5μm/s进给5个步长,共计距离25μm。
7-6最后,以刀具轴最低速度(1μm/s)逐步接近对刀表面,直至程序识别出对刀完成标志(崩出亮点切屑),完成对刀。
对本发明发法再进行如下阐述及试验验证:
大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法实例分析,利用上述方法对大口径KDP晶体表面微缺陷修复用的自动对刀工艺方法进行试验验证。按照上述步骤对自动对刀工艺方法进行试验时,需要具体实现刀具及其倒影轮廓的捕捉、对刀完成标志识别、对刀程序在数控运动系统程序中嵌入等问题:
1)微铣刀及其倒影轮廓的捕捉
微铣刀及其倒影轮廓的捕捉是基于图像处理的自动对刀方法中最为关键的问题。在采用图像分割的方法进行轮廓识别时,首先建立背景(静止的晶体表面)模型,将背景模型与当前图像比较,减去已知的变化很小的背景信息,则剩下的目标物就是所感兴趣的前景目标(运动的刀具及其倒影)。选用混合高斯背景模型用于对刀图像分割中背景模型的更新和刀具-倒影的捕捉,图像中的每一个像素通过由K个高斯分布构成的模型建立一个样本集P,即:
式中,K——样本集中的模型个数,一般取3~5;
Xt——t时刻像素值,对刀图像直接选用RGB的3通道彩色图像;
ωi,t——t时刻模型中第i个高斯分布的权系数估计值;
η——高斯概率密度分布函数;
μi,t、Σi,t——分别代表混合高斯模型中第i个高斯分布的均值向量和协方差。
每个高斯分布模型的权值和均向量都初始化为0,并给协方差赋一个较大的初始值。样本集的模型参数更新时,对图像中每个像素值Xt进行匹配性校验,选择样本中的前B个高斯分布作为背景部分像素的模。在完成更新后,若像素值Xt与B个高斯分布的其中之一匹配,则认为背景点,否则为前景物体。这样就实现了混合高斯背景分割。
在OpenCV中提供了高度封装好的混合高斯模型函数,调用这些函数可实现对刀过程的刀具轮廓和倒影识别,得到如图8所示的前景图像序列:
当开始分割图像时,经过大约50帧图像可完成混合高斯模型的建立,通过模型可分割出刀具与倒影轮廓如图8a)所示;通过模型的更新学习,轮廓越来越清晰,如图8b)所示;在图8c)中,刀具与其倒影即将接触上,但前景图中二者还有一段距离;在图8d)中,刀具缓慢进给,直到接触晶体时切出少量切屑,这时高斯模型亦能够准确捕捉到高亮的切屑轮廓。
2)对刀完成标志的识别
当对刀完成时,会在对刀区域附近形成明显的微小切屑。此时,图像的最大特征是有明显的亮点。利用图像差分检测方法可以对其进行识别,图像差分是指利用前、后两帧图像作差,对差值图像I'进行分析,即:
I'=|It-It-1| (6)
由于最终对刀阶段进给量很小,整个前景图像会逐渐融入背景,这样产生的差值图像亮度较暗,不易进行分辨。可通过人为对每个像素点按下式进行增强处理,以提高低差值图像的像素值,从而获得适合的处理差值图像。
为了避免最终对刀过程中气体吹出刀尖的粘屑引起的“假切屑”干扰问题,设计对刀算法中以较短时间内识别出两次切屑作为对刀完成的标志,
3)对刀程序在数控运动系统程序中的嵌入
在数控系统程序中,实现刀具的进给是较为复杂的过程。对刀开始后,一方面系统通过接收WM_COPYDATA消息获得通过对刀程序识别出的当前刀具位置状态,同时设置一个OnTimer定时器,按照上述设计的对刀工艺路线(见步骤7)判断当前刀具的进给参数;另一方面,通过设置另一个OnTimer函数,反馈判断刀具是否达到指定位置后,再发出下一个动作指令。为了防止控制器出现等待运动指令超时情况,如果经过2秒刀具仍未到达预定位置,数控系统将跳出当前循环,补发一次运动指令。自动对刀程序在修复机床数控程序中的实现方式如图9所示。
在实际对刀操作中,为了提高效率,方便操作,需要在数控程序中嵌入显示对刀CCD实时画面,以避免每次打开自动对刀程序均需监测当前刀具位置,图10是嵌入对刀程序后的数控运动程序软件界面。
最终,在大口径KDP晶体表面微缺陷修复前使用本发明的自动对刀工艺方法获得的对刀过程图片如图11所示。由图可知,本发明提出的自动对刀工艺方法成功捕获了刀具未进入视野、刀具与倒影进入视野后逐渐进给、最终对刀阶段、对刀完成时切屑形成等各个对刀阶段的图像特征,实现了晶体表面微缺陷修复时的自动对刀工艺过程。
每次对刀程序开始时,刀具从零点开始上升,为了提高效率,刀具首先上升10mm。这样,距离对刀完成仅需继续进给约8mm。按照本发明的工艺路线设计,完成一次自动对刀大约需要2min。为了验证最终自动对刀的精度,利用上方的修复机床上显微镜系统检测CCD对刀后留下的凹坑尺寸,检测结果如图12所示。图中是显微镜调节至9倍放大倍率下拍摄的,经过图像测距软件Digimizer测量,对刀产生的近似圆形凹坑直径约为82μm,刀具直径为500μm,可计算出对刀凹坑的深度d为3.4μm,说明对刀精度基本满足大口径KDP晶体表面微缺陷修复时的对刀要求。
上述步骤使用本发明的工艺流程,实现了大口径精密光学晶体表面微缺陷修复时的自动对刀功能,达到了大口径晶体元件表面微缺陷修复对对刀效率和准确性的要求。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (8)
1.一种大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,其特征在于,它由以下步骤实现:
步骤1.安装KDP晶体元件,组装并调整用于缺陷检测的上显微镜系统和对刀显微镜系统,晶体修复机床系统各轴(X2,Y2,Z2)自动回零;
步骤2.基于对刀CCD驱动程序提供的标准库函数,开发调试工具采集对刀过程的每帧图像数据信息,并将之转化为可处理的IplImage图像格式;
步骤3.根据步骤2采集的实时对刀图像信息,基于跨平台开源计算机视觉图像处理库对每帧对刀图像进行数据处理,捕捉对刀过程中微铣刀及其倒影的轮廓;
步骤4.根据步骤3捕捉的刀具及其倒影的轮廓信息,确定每帧图像中刀具与倒影的像素距离;对显微镜采集到的图像尺寸比例进行标定,确定刀具距晶体对刀表面的视觉距离;计算“投影法”对刀过程中视觉差引起的刀具与倒影间距离误差,估算刀具与晶体对刀表面的实际距离;
步骤5.确定最终对刀阶段的时机,设置对刀最终阶段图像处理的范围,利用图像差分检测方法识别对刀最终阶段采集的每张图像选定的对刀区域,直至发现最终对刀形成的亮点切屑,将之作为对刀完成的标志;
步骤6.将步骤3,4和5中开发的对刀图像处理算法进行隐藏和封装,设计面向用户的直观自动对刀图形化界面;建立对刀程序与机床数控运动系统程序间的通信模型,实现对刀程序与数控运动程序的实施信息交互;
步骤7.根据自动对刀程序的特点和刀具轴运动指令的特点,设计出刀具从零点到对刀完成中间过程的进给率、步长,实现自动对刀工艺过程设计。
2.根据权利要求1所述的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,其特征在于,在步骤1中,对刀显微镜调节至指定放大倍数后始终保持固定;两个高亮度对称LED光源安放在显微镜升降移动平台上,与显微镜一同运动,两束光线交点通过CCD光轴并且位于显微镜焦距位置;对刀前刀具运动到缺陷点位置正下方。
3.根据权利要求1或2所述的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,其特征在于,步骤2中所述的对刀CCD选用的是维视图像的MV-VD200SC型工业CCD,分辨率为1600×1200,最大帧速度可达12fps,所述CCD驱动程序可提供以WDMIAT3.0为接口的C++语言标准库函数。
4.根据权利要求3所述的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,其特征在于,在步骤3中,在捕捉微铣刀及其倒影轮廓时,采用图像分割的方法进行轮廓目标的识别,在对刀CCD图像中,晶体表面对应的图像中像素值作为背景,随时间运动的刀具及其倒影作为前景,通过图像分割,将前景物体的刀具轮廓作为目标提取出来。
5.根据权利要求1或4所述的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,其特征在于,
步骤4中估算刀具与晶体对刀表面的实际距离的具体实施步骤如下:
步骤4-1、对采集的对刀图像中的刀具实体和倒影轮廓设置成两个单独的感兴趣区域ROI,通过对捕获的刀具实体和倒影轮廓进行矩形包络可确定刀具及其倒影的边界;
设置ROI时,以图像左下角为像素坐标原点,rect1表示刀具实体的边界矩形,利用OpenCV提供的检测图像轮廓函数可获得刀具实体的上边界y坐标,记作rect1.Top;同理,用rect2表示倒影轮廓的边界矩形,获得下边界坐标,记作rect2.Bottom,得到刀具实体与倒影的像素距离为:
Δdd'=rect2.Bottom-rect1.Top (1)
步骤4-2、为了对所使用显微镜放大倍率下获得的图像像素尺寸标定,将刀具Z2轴向上进给,每次控制运动步长,并拍下此时对刀图片,测量图片中刀具与轮廓像素距离,然后计算每个像素点与实际尺寸的比例关系,
通过多次进给、多张图像的标定可计算出此放大倍率下对刀图像尺寸分辨率为t,单位为μm/pixel;然后再算出图像视野范围和显微镜实际放大倍数;根据刀具与倒影的像素距离与图像尺寸分辨率,可计算出刀具距离晶体对刀表面的视觉距离为:
Δd'=(rect2.Bottom-rect1.Top)×t μm/pixel (2)
步骤4-3、采用“投影法”对刀过程中,随着刀具向对刀表面进给的进行,当刀具实体与倒影轮廓顶点相接触时,由于CCD与刀具平面有15°的夹角,会产生视角差;由几何关系可获得“投影法”对刀因视觉差引起的图像距离误差为:
式中R——微铣刀半径;
θ——CCD光轴与刀具平面夹角;
考虑“投影法”对刀中视觉差引起的刀具与倒影间距离误差,即可估算出刀具与晶体对刀表面的实际距离为:
Δd=(rect2.Bottom-rect1.Top)×t μm/pixel+Δd0 (4)。
6.根据权利要求5所述的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,其特征在于,在步骤5中,最终对刀区域的大小、位置满足如下要求:中心位置为刀具轴上刀具与倒影接触点,长度LROI=3D,D为刀具直径,宽度HROI=80pixels;再利用图像差分检测方法识别对刀完成的崩出亮点切屑标志时,对亮度较低的差值图像进行增强处理,获得适合处理的插值图像。
7.根据权利要求6所述的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,其特征在于,在步骤6中对刀程序与数控运动程序之间利用Windows底层API函数以“窗口消息”的方式进行通信。
8.根据权利要求1或6所述的大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法,其特征在于,步骤7的具体实现过程如下:
步骤7-1、通过标定算出CCD图像在固定放大倍率下的图像高度,刀具与倒影从出现在视野到完成对刀实际进给距离小于图像高度二分之一;对刀开始时刀具从原点开始向上进给;当刀具到对刀表面距离大于图像高度二分之一时,此时刀具不在视野中,选用较大进给速度300-500μm/s,使得刀具尽快进入视野;
步骤7-2、当刀具到对刀表面距离小于图像高度二分之一时,刀具刚进入视野中,可将进给速度降为50-100μm/s;
步骤7-3、当刀具与对刀表面继续接近至距离小于600μm时,刀具轴Z2再次降速至50μm/s;
步骤7-4、当刀具与对刀表面继续接近至距离小于400μm时,刀具轴Z2降速至10μm/s,直至进入最终对刀阶段;
步骤7-5、当进入最终对刀阶段,此时无法通过视觉图像直观获得轮廓距离,按照加工经验以5μm/s进给5个步长,共计距离25μm;
步骤7-6、最后,以刀具轴最低速度1μm/s逐步接近对刀表面,直至程序识别出对刀完成标志,即崩出亮点切屑,完成对刀。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810520556.1A CN108705689B (zh) | 2018-05-25 | 2018-05-25 | 大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810520556.1A CN108705689B (zh) | 2018-05-25 | 2018-05-25 | 大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108705689A CN108705689A (zh) | 2018-10-26 |
CN108705689B true CN108705689B (zh) | 2020-05-26 |
Family
ID=63870729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810520556.1A Active CN108705689B (zh) | 2018-05-25 | 2018-05-25 | 大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108705689B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022042948A (ja) * | 2020-09-03 | 2022-03-15 | ダイア アンド コー インコーポレイテッド | 原石を100面体にカッティングして高強度の宝石を取得するシステム |
CN112379636B (zh) * | 2020-11-13 | 2021-06-22 | 哈尔滨工业大学 | 一种针对光学晶体表面损伤点的变步距微铣削修复刀具轨迹生成方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1671507A (zh) * | 2002-07-30 | 2005-09-21 | 西铁城时计株式会社 | 机床上的刀具选择方法及控制装置以及数值控制车床 |
CN101456159A (zh) * | 2008-08-15 | 2009-06-17 | 齐齐哈尔华工机床制造有限公司 | 火花识别对刀方法及磨削加工自动化系统 |
CN102501143A (zh) * | 2011-09-29 | 2012-06-20 | 哈尔滨工业大学 | 复杂微结构件精密加工的ccd对刀与监控装置 |
CN102699359A (zh) * | 2012-05-31 | 2012-10-03 | 长春理工大学 | 微小车床对刀装置及方法 |
CN103559345A (zh) * | 2013-10-30 | 2014-02-05 | 北京星航机电装备有限公司 | 一种车床用深孔减震刀杆的设计制造方法 |
CN103706816A (zh) * | 2013-12-26 | 2014-04-09 | 哈尔滨工业大学 | 一种超精密车削对刀装置 |
CN104190963B (zh) * | 2014-07-07 | 2016-06-08 | 昆明学院 | 一种基于机器视觉的数控车床对刀装置及对刀方法 |
CN106736849A (zh) * | 2017-01-06 | 2017-05-31 | 长春理工大学 | 微径铣刀主动探测式高精度对刀装置及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273705A1 (en) * | 2004-06-08 | 2005-12-08 | Fortellio, Llc | Method and system for automatically creating network software applications |
-
2018
- 2018-05-25 CN CN201810520556.1A patent/CN108705689B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1671507A (zh) * | 2002-07-30 | 2005-09-21 | 西铁城时计株式会社 | 机床上的刀具选择方法及控制装置以及数值控制车床 |
CN101456159A (zh) * | 2008-08-15 | 2009-06-17 | 齐齐哈尔华工机床制造有限公司 | 火花识别对刀方法及磨削加工自动化系统 |
CN102501143A (zh) * | 2011-09-29 | 2012-06-20 | 哈尔滨工业大学 | 复杂微结构件精密加工的ccd对刀与监控装置 |
CN102699359A (zh) * | 2012-05-31 | 2012-10-03 | 长春理工大学 | 微小车床对刀装置及方法 |
CN103559345A (zh) * | 2013-10-30 | 2014-02-05 | 北京星航机电装备有限公司 | 一种车床用深孔减震刀杆的设计制造方法 |
CN103706816A (zh) * | 2013-12-26 | 2014-04-09 | 哈尔滨工业大学 | 一种超精密车削对刀装置 |
CN104190963B (zh) * | 2014-07-07 | 2016-06-08 | 昆明学院 | 一种基于机器视觉的数控车床对刀装置及对刀方法 |
CN106736849A (zh) * | 2017-01-06 | 2017-05-31 | 长春理工大学 | 微径铣刀主动探测式高精度对刀装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108705689A (zh) | 2018-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570410B (zh) | 一种自动识别检测焊缝缺陷的检测方法 | |
CN108520274B (zh) | 基于图像处理及神经网络分类的高反光表面缺陷检测方法 | |
CN107356608B (zh) | 大口径熔石英光学元件表面微缺陷快速暗场检测方法 | |
US7409081B2 (en) | Apparatus and computer-readable medium for assisting image classification | |
JP4933771B2 (ja) | 画像システムにおいてビデオツールを自動的にリカバリーするシステムおよび方法 | |
CN1869667B (zh) | 一种检测印刷电路板缺陷的轮廓分析方法 | |
CN110363781B (zh) | 基于深度神经网络的熔池轮廓检测方法 | |
CN113221889B (zh) | 一种芯片字符抗干扰识别方法及装置 | |
CN108645867B (zh) | 大口径光学晶体表面微缺陷的快速寻位与批量检测方法 | |
CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
CN102455171B (zh) | 一种激光拼焊焊缝背面几何形貌检测方法 | |
CN102529019B (zh) | 一种模具检测、保护及零件检测、摘取的方法 | |
CN110443791B (zh) | 一种基于深度学习网络的工件检测方法及其检测装置 | |
CN108705689B (zh) | 大口径精密光学晶体表面微缺陷修复用自动对刀工艺方法 | |
CN114719749B (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
CN109986172A (zh) | 一种焊缝定位方法、设备及系统 | |
WO2021046726A1 (zh) | 用于检测机械设备零部件的方法和装置 | |
CN113134683A (zh) | 基于机器学习的激光标刻方法及装置 | |
CN115713476A (zh) | 基于激光焊接的视觉检测方法、装置及可读存储介质 | |
CN107145896A (zh) | 基于荧光磁粉的智能缺陷识别系统 | |
CN115866502A (zh) | 一种麦克风零件表面缺陷在线检测流程 | |
CN113781458A (zh) | 一种基于人工智能的识别方法 | |
CN113487570B (zh) | 基于改进的yolov5x网络模型的高温连铸坯表面缺陷检测方法 | |
CN111105413B (zh) | 一种智能火花塞外观缺陷检测系统 | |
CN117197146A (zh) | 一种铸件内部缺陷自动识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |