CN110599474A - 大口径抛光工件激光损伤阈值的非破坏性评价方法 - Google Patents
大口径抛光工件激光损伤阈值的非破坏性评价方法 Download PDFInfo
- Publication number
- CN110599474A CN110599474A CN201910857474.0A CN201910857474A CN110599474A CN 110599474 A CN110599474 A CN 110599474A CN 201910857474 A CN201910857474 A CN 201910857474A CN 110599474 A CN110599474 A CN 110599474A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- scratch
- caliber
- laser damage
- polished
- 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.)
- Granted
Links
- 230000006378 damage Effects 0.000 title claims abstract description 83
- 238000011156 evaluation Methods 0.000 title claims abstract description 32
- 230000007547 defect Effects 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 239000005350 fused silica glass Substances 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012805 post-processing Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 7
- 239000012535 impurity Substances 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 6
- 239000002184 metal Substances 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000011158 quantitative evaluation Methods 0.000 claims description 5
- 238000001035 drying Methods 0.000 claims description 4
- 230000005672 electromagnetic field Effects 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000003486 chemical etching Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000005290 field theory Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 6
- 230000003287 optical effect Effects 0.000 description 19
- 238000005498 polishing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000005684 electric field Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000005373 Panax quinquefolius Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 229910017604 nitric acid Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8861—Determining coordinates of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种大口径抛光工件激光损伤阈值的非破坏性评价方法，通过表面疵病检测装置对工件表面划痕及微裂纹等机械缺陷进行采样，利用计算机对采样图片进行图像预处理、缺陷识别与位置标记，依托超景深显微镜完成对机械缺陷的准确识别与提取，实现大口径工件的全局性评价，结合有限时域差分方法及激光损伤阈值评价公式，获得大口径抛光工件表面的激光损伤阈值，原理可靠、实现过程简单，并有效减少传统激光损伤测试过程中对工件的消耗。本发明方法适用于高能量/高功率激光聚变装置中使用的各类大口径抛光工件。
Description
技术领域
本发明涉及一种加工检验技术，特别涉及一种大口径抛光工件激光损伤阈值的非破坏性评价方法。
背景技术
大口径光学材料的超精密制造过程包括磨削、研磨及抛光等过程，抛光作为工件加工的最后一道工序，目的在于去除前序加工残留于工件表面的划痕、裂纹等缺陷并获得光洁、平整的表面(许乔,王健,马平,陈贤华,雷向阳.先进光学制造技术进展[J].强激光与粒子束,2013,25(12):3098-3105)。高功率/高能量激光聚变系统对高精度抛光工件数量需求极大，如我国自主研发的神光II、神光III激光聚变装置中，需要使用大量由抛光工件制造而成的窗口、屏蔽片、透镜等光学元件，光学元件的表面积总和高达数千平方米，其中，尺寸在40cm×40cm以上的大口径光学元件数量超过数千件甚至近万件(盛利.地球上“造太阳”的追梦之旅[N].科技日报,2015.7.26)。光学元件在强激光的辐照下很容易发生激光诱导损伤，从而损坏元件的力学、光学及热学性能，激光诱导损伤已成为限制高能激光系统输出功率和使用寿命的主要因素，因此，激光聚变装置不仅对光学元件数量需求极大，对元件抗激光损伤性能的要求也很高。激光损伤阈值(Laser-induced damage threshold,LIDT)是评价光学元件抗激光损伤能力的重要指标。在现有的光学元件制造工序中，抛光工件通常要经过氢氟酸刻蚀或硝酸清洗以去除抛光近表面水解层(＜1μm)内残留的各类金属杂质从而提升材料的激光损伤阈值(叶鑫，黄进，王凤蕊，程强，刘红婕，周信达，孙来喜，张振，蒋晓东，郑万国.熔石英光学元件的损伤前驱及其抑制技术[J].强激光与粒子束,2013,25(12):3220-3224)。现在对光学元件激光损伤阈值的评价应用最广泛的是破坏式激光损伤性能测试方法，即使用一定能量的紫外激光辐照于待测元件表面，将诱发元件出现熔融损伤坑等损伤形式时的能量密度定义为元件的激光损伤阈值。若发现元件损伤阈值不达标，则需要优化元件的加工及后处理工艺并再次加工新的元件，再对新加工元件进行损伤性能评价，直至损伤阈值达到理想值，通过此方式确定合适的元件加工及后处理工艺条件并最终获得理想的元件激光损伤阈值。破坏式激光损伤测试方法将对元件造成不可逆转的损伤和破坏，因此，经过激光损伤测试后的元件即为不可使用的废件，这将会造成大口径工件极大的浪费。由于小口径工件(φ50mm)相对大口径工件(≥400mm×400mm)而言其加工及后处理成本较低，且激光损伤测试过程中元件定位相对容易，测试效率也相对较高，因此，现在往往采用对小口径工件进行激光损伤性能测试结合反复优化加工及后处理工艺的手段，最终确定满足工件激光损伤阈值要求的加工及后处理工艺参数，并将该参数应用到大口径工件的制造过程中，从而大大减少对大口径抛光工件的消耗。这一方法应用的前提是相似的工艺条件下，不同尺度加工工件具有相似的加工质量。但在实际加工过程中，即使采用完全相同的磨削及抛光加工参数、后处理工艺条件，由于边缘效应等因素的影响，小口径和大口径工件之间也会存在加工质量的明显差异，包括表面/亚表面划痕、裂纹、凹坑等缺陷的尺度和密度都可能有所不同，这些差异将会引起大口径工件实际激光损伤阈值与小口径工件激光损伤阈值之间的偏差。因此，提出一种既能对大口径工件进行直接评价又不损伤、耗费大口径工件的损伤阈值评价方法显得十分必要。
发明内容
本发明是针对现在大口径抛光工件激光损伤阈值评价不直观及工件耗费大的问题，提出了一种大口径抛光工件激光损伤阈值的非破坏性评价方法，通过对工件表面划痕及微裂纹等机械缺陷的准确识别、提取，对大口径工件进行全局性评价，结合有限时域差分方法及激光损伤阈值评价公式，获得大口径抛光工件表面的激光损伤阈值并有效减少传统激光损伤测试过程中对工件的消耗。
本发明的技术方案为：一种大口径抛光工件激光损伤阈值的非破坏性评价方法，具体包括如下步骤：
1)对抛光后的大口径工件进行化学刻蚀处理，以溶解工件表面以下1μm深度内近表面缺陷层内的各类金属杂质，并对工件进行清洗、烘干处理；
2)将处理后干燥的工件固定在二维移动平台正上方，并置于表面疵病检测装置检测范围内，用LED光源辐照工件表面以实现暗场照明，从工件左上角最边缘起始位置开始采集工件局部表面形貌图片，单幅图片采样尺寸为20mm×20mm，表面疵病检测装置将采集图片导入计算机控制系统进行图像分析与处理；二维移动平台在计算机控制系统控制下驱动工件完成光栅路径移动以确保相邻采样图片重叠率10％-15％，并逐渐完成工件全局的表面疵病检测；在每一次图片采样结束后，利用计算机对含有划痕及微裂纹机械缺陷的图片进行图像预处理、缺陷识别与位置标记；
3)用LED光源辐照工件表面以实现暗场照明，二维移动平台在计算机控制系统控制下驱动工件实现二维移动，使得超景深显微镜依次对步骤2)标记位置进行机械缺陷的量化评价，由此确定工件表面机械缺陷最严重的位置及尺度，即工件表面划痕宽度最宽、深度最深及划痕边沿微裂纹延伸长度最长的三处位置及其相应尺寸；
量化评价包括依托超景深显微镜的三维逐层扫描分析实现划痕截面形状及宽度、深度的评价；依托超景深显微镜的二维平面观测与分析完成对划痕边沿微裂纹延伸长度L的评价；
4)将步骤3)所得三处位置相应划痕的截面形状及宽、深尺寸导入计算机控制系统以建立划痕截面的二维模型；基于有限时域差分方法，结合麦克斯韦电磁场理论与菲涅耳方程，通过计算机内置分析软件求解抛光工件表面三处划痕缺陷对入射激光光场的增强系数LIF；
5)基于工件激光损伤阈值评价模型，结合步骤4)计算得出的三处划痕缺陷对入射激光光场的增强系数LIF及超景深显微镜测得的三处划痕边沿微裂纹延伸长度L，获得机械缺陷最严重的三处位置对应的激光损伤阈值LIDT，并将三者中的激光损伤阈值最低值定义为限制大口径抛光工件激光损伤性能的下限值，且将该损伤阈值对应的位置确定为抛光工件加工及后处理过程中需要重点优化的位置。
所述步骤2)中图像预处理、缺陷识别与位置标记具体包括使用高斯滤波完成图像的降噪与平滑处理以及利用直方图均衡化完成图像增强，再通过局部动态阈值分割实现图像二值化以完成图像分割，再利用边缘检测算法检测划痕缺陷区域边缘以完成缺陷的边缘提取，利用相邻点合并的领域标记完成对划痕的识别与分析，记录划痕缺陷像素中心区域的位置信息。
所述步骤5)工件激光损伤阈值评价模型根据工件材料不同有所差异，对表面具有划痕、微裂纹机械缺陷的抛光熔石英元件的实验、仿真和测试表明，适用于大口径熔石英元件的激光损伤阈值评价模型为LIDT＝﹣2.083*LIF﹣2.880*L+25.370。
本发明的有益效果在于：本发明大口径抛光工件激光损伤阈值的非破坏性评价方法，原理可靠、实现过程简单，能够对大口径工件进行全局性评价，并有效减少传统激光损伤测试过程中对工件的消耗。
附图说明
图1为本发明大口径抛光工件激光损伤阈值非破坏性评价装置的结构示意图；
图2为本发明方法的流程示意图；
图3为本发明抛光工件在二维移动平移台带动下的光栅运行轨迹示意图；
图4为本发明方法涉及的熔石英元件激光损伤阈值拟合曲面及拟合函数图。
具体实施方式
大口径抛光工件激光损伤阈值的非破坏性评价方法，通过对抛光工件表面划痕及划痕边沿微裂纹等机械缺陷的准确识别、提取，结合有限时域差分方法及实验得出的损伤阈值评价公式，获得大口径抛光工件表面的激光损伤阈值，从而指导工件加工及后处理工艺的优化。
本发明以高功率/高能量激光聚变装置中应用最广泛的熔石英元件为例，介绍大口径抛光工件激光损伤阈值的非破坏性评价方法。表面划痕、微裂纹等机械缺陷及金属杂质等化学缺陷会极大地降低元件的激光损伤阈值，划痕通过增强入射激光电场/光场而影响元件的抗激光损伤性能，微裂纹通过弱化元件的机械性能降低元件的激光损伤阈值。其中，划痕宽度越宽或深度越深，对入射激光的电场/光场调制作用越明显，微裂纹长度越长对工件的机械性能弱化也越严重。因此，在大口径抛光工件表面若能找到机械缺陷最严重的区域，即划痕最宽或最深以及微裂纹延伸长度最大的位置，便能确定工件损伤阈值最低的位置并获得整个大口径工件的损伤阈值的下限值，且该位置即为工件加工及后处理过程中最需要优化的位置。
如图1所示大口径抛光工件激光损伤阈值非破坏性评价装置结构示意图，装置包括计算机控制系统1、二维移动平台2、抛光工件3、LED光源4、表面疵病检测装置5及超景深显微镜6。待测抛光工件3始终固定于二维移动平台2正上方，且在整个损伤阈值评价过程中均用恒定的LED光源4照射抛光工件3表面，实现暗场照明，确保表面疵病装置5及超景深显微镜6对抛光工件3表面形貌采样图像的清晰、可靠。计算机控制系统1通过驱动二维移动平台2带动工件3沿X、Y两个方向进给，同时，计算机控制系统1通过与表面疵病检测装置5连接完成对工件3表面形貌图片的处理与机械缺陷的识别、提取；计算机控制系统1通过与超景深显微镜6连接获取划痕及划痕边沿微裂纹的形貌与几何参数，并以此建立划痕截面的二维模型，完成对划痕周围光场分布的仿真分析和微裂纹延伸尺度的量化评价。
如图2所示本发明方法的流程示意图。所述评价方法包括以下步骤：
步骤S1，对大口径抛光工件3进行化学刻蚀处理，利用一定浓度(质量分数1-10％)的氢氟酸溶液与抛光工件3的主要成分二氧化硅发生化学反应，以溶解工件3近表面缺陷层(表面以下1μm内)内的各类金属杂质，并对工件3进行清洗、烘干处理，去除金属杂质后，限制工件3激光损伤阈值的主要因素即为工件3表面的划痕、微裂纹等机械缺陷；
在步骤S2-1～S2-5中，将清洁、干燥的抛光工件3固定于二维移动平台2上并置于表面疵病检测装置5检测范围内，使用LED光源4辐照工件3表面以实现暗场照明，从工件3左上角最边缘起始位置开始采集工件3局部表面形貌图片，单幅图片采样尺寸为20mm×20mm，表面疵病检测装置5将采集图片导入计算机控制系统1进行图像分析与处理。二维移动平台2在计算机控制系统1控制下驱动工件3完成光栅路径移动以确保相邻采样图片重叠率10％-15％，并逐渐完成工件3全局的表面疵病检测。在每一次图片采样结束后，对于含有划痕、微裂纹等机械缺陷的图片进行图像预处理、缺陷识别与位置标记。其中，图像预处理主要包括使用高斯滤波完成图像的降噪与平滑处理以及利用直方图均衡化完成图像增强，再通过局部动态阈值分割实现图像二值化以完成图像分割，缺陷识别与位置标记主要是利用边缘检测算法检测划痕缺陷区域边缘以完成缺陷的边缘提取，并利用相邻点合并的领域标记完成对划痕的识别与分析，记录划痕缺陷像素中心区域的位置信息。抛光工件3光栅运行的轨迹示意图详见图3，在工件3光栅移动的过程中，将每幅采样图片及其对应的采样区域标记为Nx,y，其中x代表工件3从上往下移动过程中对应的行数，y代表工件3自左向右或自右向左移动过程中对应的列数，再根据每幅图片中缺陷中心区域的局部坐标换算出划痕缺陷的全局坐标，即以第N1,1幅图片的左上角最边缘为原点(0,0)，将划痕缺陷中心区域在整个工件3表面的全局坐标依次记为(X1,Y1)、(X2,Y2)、(X3,Y3)……；
完成抛光工件3全局缺陷识别与标记后，进行步骤S3-1及S3-2。用LED光源4辐照工件3表面以实现暗场照明，二维移动平台在计算机控制系统1控制下驱动工件3实现二维移动使得超景深显微镜6依次对标记位置(X1,Y1)、(X2,Y2)、(X3,Y3)……进行机械缺陷的量化评价，依托超景深显微镜6的三维逐层扫描分析功能实现划痕截面形状及宽度、深度的评价；依托超景深显微镜6的二维平面观测与分析功能完成对划痕边沿微裂纹延伸长度L的评价。基于上述分析确定工件3表面机械缺陷最严重的位置及尺度，即工件3表面划痕宽度最宽、深度最深以及微裂纹长度最长的三处位置及其相应尺寸；
由于划痕对入射激光光场的增强系数与划痕形状及划痕宽度、深度等几何参数密切相关，在步骤S4-1～S4-2中，将上述三处位置相应的划痕截面形状及宽、深尺寸导入计算机控制系统1以建立划痕截面的二维模型。基于有限时域差分方法，结合麦克斯韦电磁场理论与菲涅耳方程，通过计算机内置分析软件求解抛光工件3表面划痕缺陷处的光场增强系数LIF。有限时域差分方法的主要思想是将麦克斯韦旋度方程离散化为差分迭代式，每一个电(磁)场分量周围均有相应的四个磁(电)场分量环绕，因此可沿时间轴逐步迭代、交替求解空间内各位置的电场和磁场分布。以熔石英元件为例，求解划痕引起的光场增强系数LIF主要包含下述步骤：
1、定义工件及划痕缺陷处的材料属性：确定抛光工件的相对介电常数、折射率及划痕处的空气折射率。其中，熔石英材料的相对介电常数ε＝2.25，折射率为1.48，空气折射率为1；
2、定义仿真区域尺寸：根据划痕宽、深尺寸确定仿真区域的尺寸，确保划痕缺陷能够完全包含于仿真区域内；
3、定义边界条件：为了确保截断处能够有效地吸收入射光波并且不引起波的明显反射，将计算区域的左右边界定义为匹配边界，上下边界定义为散射边界条件；
4、划分网格：根据仿真精度的需要划分网格尺寸；
5、定义入射激光参数：高功率/高能量激光装置中使用的入射激光为紫外激光，因此，定义入射激光波长λ＝355nm，电场幅值∣E∣＝1V/m，电磁场模式为TM或TE平面电磁波；
6、输出电场幅值Emax并计算光场幅值Imax：计算机内置分析软件根据划痕形状及尺寸参数，求解出划痕周围的电场分布规律，提取划痕与工件边沿处的电场幅值Emax，结合菲涅耳方程，获得光场幅值Imax＝Emax 2；
7、求解光场增强系数LIF：无划痕的理想熔石英元件后表面的光场调制系数约为1.39，因此，熔石英元件表面划痕对光场的增强系数表达式为LIF＝Imax/1.39。
步骤S5中利用工件激光损伤阈值评价模型，结合前述计算得出的划痕对光场的增强系数LIF及超景深显微镜测得的微裂纹延伸长度L，获得机械缺陷最严重的三处位置对应的激光损伤阈值LIDT，并将三者中的激光损伤阈值最低值定义为限制大口径抛光工件3激光损伤性能的下限值，且该损伤阈值对应的位置确定为抛光工件3加工及后处理过程中需要重点优化的位置。工件激光损伤阈值评价模型会根据工件材料不同而有所差异，但不论哪种材料的光学工件，其损伤阈值均与划痕对光场的增强系数LIF及微裂纹延伸长度L密切相关。对表面具有划痕及微裂纹机械缺陷的抛光熔石英元件的实验、仿真和测试表明，适用于大口径熔石英元件的激光损伤阈值评价模型为LIDT＝﹣2.083*LIF﹣2.880*L+25.370，该公式的拟合过程详见图4。
图3所示为获取抛光工件3全局表面疵病形貌过程中二维移动平台2带动抛光工件3光栅运行的轨迹示意图。若大口径抛光工件3尺寸为400mm×400mm，以抛光工件3表面左上角最边缘(0,0)点作为初始位置进行表面疵病采样，并将采集到的图片传输给计算机控制系统1；完成第一幅图片采样后，使用二维移动平台2改变工件3的位置并进行下一区域的采样。二维移动平台2在计算机控制系统1驱动下沿X方向总的移动距离为400mm，相邻的表面疵病形貌图片在X向重叠率为10％-15％，X向进给完成后，即可获得抛光工件3表面N1,1、N1,2…..N1,n各区域的表面疵病形貌；随后，通过计算机控制系统1驱动二维移动平台2沿Y向进给一定距离，使得Y向的相邻图片在Y向重叠率为10％-15％，再通过二维移动平台2驱动工件3沿X向进给完成表面图片N2,n、N2,n-1…..N2,1的采集；不断重复前述过程，通过计算机控制系统1驱动抛光工件3沿X向及Y向进给，并结合表面疵病检测装置5采集工件3表面各区域的表面形貌，直至工件3沿Y向完成400mm的总移动距离，即完成抛光工件3全局的表面疵病光栅采样。
图4为熔石英元件激光损伤阈值拟合曲面及拟合函数。图4中五个黑点代表根据某熔石英元件表面五个不同位置处划痕的宽、深尺寸计算出的光场增强系数LIF及超景深显微镜测得相应的划痕边沿微裂纹长度L，以及由传统激光损伤测试平台测得的激光损伤阈值LIDT，据此获得了划痕缺陷处熔石英元件激光损伤阈值LIDT的评价公式：LIDT＝﹣2.083*LIF﹣2.880*L+25.370，如图4中拟合曲面所示，且该拟合函数的拟合优度R2＝0.9938，证明该LIDT评价公式准确、可靠。基于该评价公式以及前述划痕与微裂纹机械缺陷的提取及定位方法，形成大口径抛光熔石英元件激光损伤阈值的非破坏性评价方法。本发明提供的思路也同样适用于高能量/高功率激光聚变装置中使用的其他大口径抛光工件，如KDP晶体、BK7元件等，只需要调整激光损伤阈值评价公式中涉及的相关系数即可实现多种大口径抛光工件激光损伤阈值的非破坏性评价。因此，基于本发明思路所实现的各类工件非破坏性损伤阈值评价方法均在本发明的保护范围内。
Claims (3)
1.一种大口径抛光工件激光损伤阈值的非破坏性评价方法，其特征在于，具体包括如下步骤：
1)对抛光后的大口径工件进行化学刻蚀处理，以溶解工件表面以下1μm深度内近表面缺陷层内的各类金属杂质，并对工件进行清洗、烘干处理；
2)将处理后干燥的工件固定在二维移动平台正上方，并置于表面疵病检测装置检测范围内，用LED光源辐照工件表面以实现暗场照明，从工件左上角最边缘起始位置开始采集工件局部表面形貌图片，单幅图片采样尺寸为20mm×20mm，表面疵病检测装置将采集图片导入计算机控制系统进行图像分析与处理；二维移动平台在计算机控制系统控制下驱动工件完成光栅路径移动以确保相邻采样图片重叠率10％-15％，并逐渐完成工件全局的表面疵病检测；在每一次图片采样结束后，利用计算机对含有划痕及微裂纹机械缺陷的图片进行图像预处理、缺陷识别与位置标记；
3)用LED光源辐照工件表面以实现暗场照明，二维移动平台在计算机控制系统控制下驱动工件实现二维移动，使得超景深显微镜依次对步骤2)标记位置进行机械缺陷的量化评价，由此确定工件表面机械缺陷最严重的位置及尺度，即工件表面划痕宽度最宽、深度最深及划痕边沿微裂纹延伸长度最长的三处位置及其相应尺寸；
量化评价包括依托超景深显微镜的三维逐层扫描分析实现划痕截面形状及宽度、深度的评价；依托超景深显微镜的二维平面观测与分析完成对划痕边沿微裂纹延伸长度L的评价；
4)将步骤3)所得三处位置相应划痕的截面形状及宽、深尺寸导入计算机控制系统以建立划痕截面的二维模型；基于有限时域差分方法，结合麦克斯韦电磁场理论与菲涅耳方程，通过计算机内置分析软件求解抛光工件表面三处划痕缺陷对入射激光光场的增强系数LIF；
5)基于工件激光损伤阈值评价模型，结合步骤4)计算得出的三处划痕缺陷对入射激光光场的增强系数LIF及超景深显微镜测得的三处划痕边沿微裂纹延伸长度L，获得机械缺陷最严重的三处位置对应的激光损伤阈值LIDT，并将三者中的激光损伤阈值最低值定义为限制大口径抛光工件激光损伤性能的下限值，且将该损伤阈值对应的位置确定为抛光工件加工及后处理过程中需要重点优化的位置。
2.根据权利要求1所述大口径抛光工件激光损伤阈值的非破坏性评价方法，其特征在于，所述步骤2)中图像预处理、缺陷识别与位置标记具体包括使用高斯滤波完成图像的降噪与平滑处理以及利用直方图均衡化完成图像增强，再通过局部动态阈值分割实现图像二值化以完成图像分割，再利用边缘检测算法检测划痕缺陷区域边缘以完成缺陷的边缘提取，利用相邻点合并的领域标记完成对划痕的识别与分析，记录划痕缺陷像素中心区域的位置信息。
3.根据权利要求1所述大口径抛光工件激光损伤阈值的非破坏性评价方法，其特征在于，所述步骤5)工件激光损伤阈值评价模型根据工件材料不同有所差异，对表面具有划痕、微裂纹机械缺陷的抛光熔石英元件的实验、仿真和测试表明，适用于大口径熔石英元件的激光损伤阈值评价模型为LIDT＝﹣2.083*LIF﹣2.880*L+25.370。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910857474.0A CN110599474B (zh) | 2019-09-11 | 2019-09-11 | 大口径抛光工件激光损伤阈值的非破坏性评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910857474.0A CN110599474B (zh) | 2019-09-11 | 2019-09-11 | 大口径抛光工件激光损伤阈值的非破坏性评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110599474A true CN110599474A (zh) | 2019-12-20 |
| CN110599474B CN110599474B (zh) | 2022-12-09 |
Family
ID=68858807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910857474.0A Active CN110599474B (zh) | 2019-09-11 | 2019-09-11 | 大口径抛光工件激光损伤阈值的非破坏性评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110599474B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111678919A (zh) * | 2020-06-17 | 2020-09-18 | 中国人民解放军国防科技大学 | 基于多模态原位测试的强激光元件激光损伤阈值预测方法、系统及介质 |
| CN112945131A (zh) * | 2021-02-09 | 2021-06-11 | 中国商用飞机有限责任公司 | 一种划痕深度测量装置及方法 |
| CN114280334A (zh) * | 2021-12-27 | 2022-04-05 | 中国人民解放军国防科技大学 | 一种光学表面抛光状态评判方法 |
| CN115326804A (zh) * | 2022-09-02 | 2022-11-11 | 哈尔滨工业大学 | 一种熔石英元件表面损伤发起与损伤增长自动评价装置与方法 |
| CN115502940A (zh) * | 2022-08-16 | 2022-12-23 | 成都贝瑞光电科技股份有限公司 | 一种适用于精密光学元件表面疵病三维检测的仪器 |
| CN116342589A (zh) * | 2023-05-23 | 2023-06-27 | 之江实验室 | 一种跨视场划痕缺陷连续性检测方法和系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008233104A (ja) * | 2003-09-19 | 2008-10-02 | Japan Science & Technology Agency | 光学材料のレーザー損傷評価方法 |
| CN101887171A (zh) * | 2010-07-09 | 2010-11-17 | 哈尔滨工业大学 | 光学元件表面波纹度对其激光损伤阈值影响的评价方法及由此获得元件最佳加工参数的方法 |
| CN103954625A (zh) * | 2014-02-13 | 2014-07-30 | 同济大学 | 一种面向激光薄膜内部缺陷的溯源性损伤阈值测量技术 |
| CN105842248A (zh) * | 2016-03-23 | 2016-08-10 | 中国工程物理研究院激光聚变研究中心 | 一种光学元件表面损伤阈值测试系统及其测试方法 |
| CN107063641A (zh) * | 2017-01-16 | 2017-08-18 | 中国工程物理研究院激光聚变研究中心 | 一种无损评价光学元件损伤性能的方法 |
| CN108303239A (zh) * | 2018-01-19 | 2018-07-20 | 中国工程物理研究院激光聚变研究中心 | 一种激光光学元件使用寿命加速测试和预计方法 |
-
2019
- 2019-09-11 CN CN201910857474.0A patent/CN110599474B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008233104A (ja) * | 2003-09-19 | 2008-10-02 | Japan Science & Technology Agency | 光学材料のレーザー損傷評価方法 |
| CN101887171A (zh) * | 2010-07-09 | 2010-11-17 | 哈尔滨工业大学 | 光学元件表面波纹度对其激光损伤阈值影响的评价方法及由此获得元件最佳加工参数的方法 |
| CN103954625A (zh) * | 2014-02-13 | 2014-07-30 | 同济大学 | 一种面向激光薄膜内部缺陷的溯源性损伤阈值测量技术 |
| CN105842248A (zh) * | 2016-03-23 | 2016-08-10 | 中国工程物理研究院激光聚变研究中心 | 一种光学元件表面损伤阈值测试系统及其测试方法 |
| CN107063641A (zh) * | 2017-01-16 | 2017-08-18 | 中国工程物理研究院激光聚变研究中心 | 一种无损评价光学元件损伤性能的方法 |
| CN108303239A (zh) * | 2018-01-19 | 2018-07-20 | 中国工程物理研究院激光聚变研究中心 | 一种激光光学元件使用寿命加速测试和预计方法 |
Non-Patent Citations (2)
| Title |
|---|
| HUI YE ET AL.: "Effects of Wet Chemical Etching on Scratch Morphology and Laser", 《SILICON》 * |
| 田东斌等: "熔石英亚表面划痕激光诱导损伤阈值实验研究", 《强激光与粒子束》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111678919A (zh) * | 2020-06-17 | 2020-09-18 | 中国人民解放军国防科技大学 | 基于多模态原位测试的强激光元件激光损伤阈值预测方法、系统及介质 |
| CN111678919B (zh) * | 2020-06-17 | 2023-01-10 | 中国人民解放军国防科技大学 | 强激光元件激光损伤阈值预测方法、系统及介质 |
| CN112945131A (zh) * | 2021-02-09 | 2021-06-11 | 中国商用飞机有限责任公司 | 一种划痕深度测量装置及方法 |
| CN112945131B (zh) * | 2021-02-09 | 2022-12-09 | 中国商用飞机有限责任公司 | 一种划痕深度测量装置及方法 |
| CN114280334A (zh) * | 2021-12-27 | 2022-04-05 | 中国人民解放军国防科技大学 | 一种光学表面抛光状态评判方法 |
| CN114280334B (zh) * | 2021-12-27 | 2023-11-03 | 中国人民解放军国防科技大学 | 一种光学表面抛光状态评判方法 |
| CN115502940A (zh) * | 2022-08-16 | 2022-12-23 | 成都贝瑞光电科技股份有限公司 | 一种适用于精密光学元件表面疵病三维检测的仪器 |
| CN115326804A (zh) * | 2022-09-02 | 2022-11-11 | 哈尔滨工业大学 | 一种熔石英元件表面损伤发起与损伤增长自动评价装置与方法 |
| CN115326804B (zh) * | 2022-09-02 | 2024-05-14 | 哈尔滨工业大学 | 一种熔石英元件表面损伤发起与损伤增长自动评价装置与方法 |
| CN116342589A (zh) * | 2023-05-23 | 2023-06-27 | 之江实验室 | 一种跨视场划痕缺陷连续性检测方法和系统 |
| CN116342589B (zh) * | 2023-05-23 | 2023-08-22 | 之江实验室 | 一种跨视场划痕缺陷连续性检测方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110599474B (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110599474B (zh) | 大口径抛光工件激光损伤阈值的非破坏性评价方法 | |
| Wang et al. | Research on crack detection algorithm of the concrete bridge based on image processing | |
| CN106770128A (zh) | 快速三维探测光学元件亚表面缺陷的检测装置及检测方法 | |
| CN102495078B (zh) | 基于量子点红外荧光显示技术的焊缝检测方法 | |
| CN206348270U (zh) | 快速三维探测光学元件亚表面缺陷的检测装置 | |
| Battersby et al. | Effects of wet etch processing on laser-induced damage of fused silica surfaces | |
| CN113960032B (zh) | 一种在线激光清洗效果检测方法及三维检测装置 | |
| CN112326685B (zh) | 一种光学元件激光诱导损伤在线检测装置和检测方法 | |
| CN113781458A (zh) | 一种基于人工智能的识别方法 | |
| Chen et al. | A novel thermography-based dry magnetic particle testing method | |
| Liu et al. | Characterization method of surface crack based on laser thermography | |
| Nazaryan et al. | Application of a He3Ne infrared laser source for detection of geometrical dimensions of cracks and scratches on finished surfaces of metals | |
| Xiao et al. | Effect of brittle scratches on transmission of optical glass and its induced light intensification during the chemical etching | |
| Yin et al. | Efficient and precise detection for surface flaws on large-aperture optics based on machine vision and machine learning | |
| Li et al. | Two important mechanisms damaging KH 2 PO 4 crystal processed by ultraprecision fly cutting and their relationships with cutting parameters | |
| Catrin et al. | Using STED and ELSM confocal microscopy for a better knowledge of fused silica polished glass interface | |
| Zhang et al. | Surface roughness vision measurement in different ambient light conditions | |
| Vijayan et al. | A survey on surface crack detection in concretes using traditional, image processing, machine learning, and deep learning techniques | |
| Iglesias et al. | Application of computer vision techniques to estimate surface roughness on wood-based sanded workpieces | |
| Chen et al. | A hierarchical visual model for robot automatic arc welding guidance | |
| Shi et al. | Improvement of surface laser damage resistance of KDP crystal under combined machining process | |
| Zhang et al. | Surface flaws detection algorithms for large aperture optical element | |
| Liang et al. | Weld seam track identification for industrial robot based on illumination correction and center point extraction | |
| Qiu et al. | Three-dimensional information measurement and reconstruction for micro-hole array based on the modified shape from focus | |
| Chen et al. | Research on Curved Parts Surface Quality Detection during Laser‐Directed Energy Deposition Based on Blurry Inpainting Network |
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 |