CN116609342A - 一种工件缺陷检测方法和系统 - Google Patents

一种工件缺陷检测方法和系统 Download PDF

Info

Publication number
CN116609342A
CN116609342A CN202310775121.2A CN202310775121A CN116609342A CN 116609342 A CN116609342 A CN 116609342A CN 202310775121 A CN202310775121 A CN 202310775121A CN 116609342 A CN116609342 A CN 116609342A
Authority
CN
China
Prior art keywords
workpiece
target feature
detected
detection
preset condition
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.)
Pending
Application number
CN202310775121.2A
Other languages
English (en)
Inventor
王宇
余建琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Meishan Boya New Material Co ltd
Original Assignee
Meishan Boya New Material Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Meishan Boya New Material Co ltd filed Critical Meishan Boya New Material Co ltd
Priority to CN202310775121.2A priority Critical patent/CN116609342A/zh
Publication of CN116609342A publication Critical patent/CN116609342A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本说明书实施例提供一种工件缺陷检测方法和系统，该方法包括：为待检测工件设置多个检测路径，在多个检测路径下图像采集装置的视野覆盖待检测工件的待检测表面；获取每个检测路径下待检测工件的局部图像；识别每个局部图像中的待定目标特征，并判断所述待定目标特征是否满足第一预设条件；根据所述待定目标特征是否满足第一预设条件的判断结果确定所述待检测工件的检测结果。

Description

一种工件缺陷检测方法和系统
分案说明
本申请是2023年01月31日提交的题为“一种工件缺陷检测方法、系统和设备”的中国专利申请202310047103.2的分案申请。
技术领域
本说明书涉及工件检测技术领域，特别涉及一种工件缺陷检测方法、系统和设备。
背景技术
随着光学仪器的广泛应用，光学工件作为光学仪器的重要组成部分，其需求量也日渐增加。由于光学仪器通常具有较高的精度要求，因此，对于作为其重要组成部分的光学工件有较高的质量要求，这就需要对光学工件进行全面的缺陷检测。
因此，需要提供一种工件缺陷检测方法、设备，可以提高对工件缺陷检测效率。
发明内容
为了对光学工件进行全面的缺陷检测，本说明书实施例一方面提供对于光学工件内部缺陷的检测方法，另一方面提供对于光学工件外部缺陷的检测方法，从而实现光学工件的全面缺陷检测。
本说明书实施例一方面提供一种工件缺陷检测方法，包括：为初始工件构建至少一个光学检测表面；获取所述初始工件在检测光束照射下，所述光学检测表面的检测影像；响应于所述检测影像中存在待定目标特征，控制所述检测光束按核验轨迹移动；至少基于所述待定目标特征在所述检测光束按核验轨迹移动过程中的变化情况，确定所述初始工件的检测结果。
在一些实施例中，所述为初始工件构建至少一个光学检测表面包括：为所述初始工件的至少一个待加工表面涂覆透光膜层，以构建所述至少一个光学检测表面，其中，所述透光膜层远离所述待加工表面的平整度高于所述待加工表面的平整度。
在一些实施例中，所述透光膜层的材料折射率与所述初始工件的材料折射率的差值小于预设值。
在一些实施例中，获取所述初始工件在检测光束照射下，所述光学检测表面的检测影像，包括：控制所述检测光束以平行于所述光学检测表面的方向入射至所述初始工件内部；移动所述检测光束，以使所述检测光束遍历所述初始工件内部；在所述遍历过程中，采集所述光学检测表面的影像以获取所述检测影像。
在一些实施例中，所述方法还包括：基于所述检测影像的像素点的图像值分布判断所述检测影像中是否存在所述待定目标特征。
在一些实施例中，每个所述待定目标特征对应于一个所述核验轨迹，所述核验轨迹包括：平行于所述光学检测表面且绕所述待定目标特征摆动的摆动轨迹，和/或，垂直于所述光学检测表面且相对于所述待定目标特征平移的平移轨迹。
在一些实施例中，所述摆动轨迹包括摆动中心和摆幅，所述摆动中心为所述待定目标特征的中心，所述摆幅为预设摆幅，或者所述摆幅基于所述待定目标特征确定。
在一些实施例中，所述平移轨迹包括平动范围，所述平动范围为预设范围，或者所述平动范围基于所述待定目标特征确定。
在一些实施例中，所述至少基于所述待定目标特征在所述检测光束按核验轨迹移动过程中的变化情况，确定所述初始工件的检测结果，包括：响应于所述待定目标特征的图像值的变化不超过预设阈值，确定所述待定目标特征为目标特征；基于所述目标特征，确定所述初始工件的检测结果。
在一些实施例中，所述基于所述目标特征，确定所述初始工件的检测结果，包括：响应于所述目标特征的数量大于预设数量，确定所述初始工件不合格；或者，响应于所述目标特征的总面积大于预设面积，确定所述初始工件不合格。
本说明书实施例另一方面提供一种工件缺陷检测系统，包括：表面构建模块，用于为初始工件构建至少一个光学检测表面；图像获取模块，用于获取所述初始工件在检测光束照射下，所述光学检测表面的检测影像；光束控制模块，用于响应于所述检测影像中存在待定目标特征，控制所述检测光束按核验轨迹移动；结果确定模块，用于至少基于所述待定目标特征在所述检测光束按核验轨迹移动过程中的变化情况，确定所述初始工件的检测结果。
本说明书实施例另一方面提供一种工件缺陷检测设备，包括：膜层涂覆装置，用于涂覆膜层；光束控制装置，用于发射和控制检测光束；图像采集装置，用于采集图像；处理器，用于控制所述膜层涂覆装置、所述光束控制装置和所述图像采集装置，以执行本说明书一些实施例提供的工件缺陷检测方法。
本说明书实施例另一方面提供一种工件缺陷检测方法，包括：为待检测工件设置多个检测路径，在所述多个检测路径下图像采集装置的视野覆盖所述待检测工件的待检测表面；获取每个检测路径下所述待检测工件的局部图像；识别每个局部图像中的待定目标特征，并判断所述待定目标特征是否满足第一预设条件；响应于所述待定目标特征满足所述第一预设条件，将所述待定目标特征确定为目标特征。
在一些实施例中，所述方法还包括：响应于所述待定目标特征不满足所述第一预设条件，判断所述待定目标特征是否满足第二预设条件，所述第二预设条件包括所述待定目标特征的完整度条件；响应于所述待定目标特征满足所述第二预设条件，将所述待定目标特征确定为非目标特征。
在一些实施例中，所述方法还包括：响应于所述待定目标特征不满足所述第二预设条件，确定所述待定目标特征的位置信息；基于所述位置信息判断与当前局部图像邻接的相邻局部图像中是否存在邻接待定目标特征；响应于相邻局部图像中不存在邻接待定目标特征，将所述待定目标特征确定为非目标特征。
在一些实施例中，所述方法还包括：响应于相邻局部图像中存在邻接待定目标特征，基于所述待定目标特征和所述邻接待定目标特征生成融合待定目标特征；判断所述融合待定目标特征是否满足所述第一预设条件；响应于所述融合待定目标特征满足所述第一预设条件，将所述融合待定目标特征确定为目标特征；响应于所述融合待定目标特征不满足所述第一预设条件，将所述融合待定目标特征确定为非目标特征。
在一些实施例中，所述方法还包括：响应于所述待检测工件中存在所述目标特征，确定所述待检测工件不合格。
在一些实施例中，所述为待检测工件设置多个检测路径，包括：获取所述图像采集装置对待检测工件的目标缩放倍数；基于所述目标缩放倍数，设置所述多个检测路径。
在一些实施例中，所述获取每个检测路径下所述待检测工件的局部图像，包括：为所述待检测工件上与所述待检测表面相背的工件表面构建光学吸收表面；控制光源以预设光照强度照射所述待检测表面；控制所述图像采集装置沿所述多个检测路径相对于所述待检测工件移动，以获取每个检测路径下所述待检测工件的局部图像。
在一些实施例中，所述识别每个局部图像中的待定目标特征，并判断所述待定目标特征是否满足第一预设条件，包括：获取目标特征识别模型，所述目标特征识别模型为训练好的机器学习模型；基于所述目标特征识别模型，识别每个局部图像中是否存在待定目标特征；以及基于所述目标特征识别模型判断所述待定目标特征是否满足第一预设条件。
本说明书实施例另一方面提供一种工件缺陷检测系统，包括：路径设置模块，用于为待检测工件设置多个检测路径，在所述多个检测路径下图像采集装置的视野覆盖所述待检测工件的待检测表面；局部图像获取模块，用于获取每个检测路径下所述待检测工件的局部图像；目标特征识别模块，用于识别每个局部图像中的待定目标特征，并判断所述待定目标特征是否满足第一预设条件；目标特征确定模块，用于响应于所述待定目标特征满足所述第一预设条件，将所述待定目标特征确定为目标特征。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的工件缺陷检测方法的应用场景示意图；
图2A是根据本说明书一些实施例所示的工件缺陷检测系统的模块示意图；
图2B是根据本说明书另一些实施例所示的工件缺陷检测系统的模块示意图；
图3是根据本说明书一些实施例所示的工件缺陷检测设备的组成部分示意图；
图4是根据本说明书一些实施例所示的工件缺陷检测方法的示例性流程图；
图5A和图5B是根据本说明书一些实施例所示的核验轨迹的示意图；
图6是根据本说明书一些实施例所示的工件缺陷检测方法的示例性流程图；
图7是根据本说明书另一些实施例所示的工件缺陷检测方法的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本说明书实施例所涉及的工件缺陷检测方法可以应用于能够透射光线的各种类型的光学工件的质量检测。光学工件可以包括但不限于晶体工件、玻璃工件、高分子工件等等。光学工件的质量受到多方面的影响。一方面，光学工件的内部可能存在有气泡、裂痕等内部缺陷。另一方面，光学工件的表面可能会存在划痕、麻点等表面缺陷。这些缺陷在一定程度上会影响光学工件的质量。通常情况下，可以利用人工来检测光学工件表面和/或内部的缺陷，但是，人工检测的主观性可能会造成质量标准不统一，影响检测结果的准确性，并且，人工检测依赖于检测人员的经验水平，影响晶体的检测效率。
为了全面检测光学工件的质量问题，一方面，本说明书实施例提出在光学工件处于初始工件阶段即检测其内部缺陷，从而尽早发现工件中存在的问题，对于因内部缺陷而导致不合格的工件可以在加工初期即发现其质量问题，避免不合格的工件进入后续加工流程而造成资源浪费。由此，本说明书的一个或多个实施例提出一种工件缺陷检测方法，在初始工件上构建至少一个光学检测表面，获取该初始工件置于检测光束下的检测影像，并响应于检测影像中存在待定目标特征，控制检测光束按核验轨迹移动，进一步地，至少基于待定目标特征在检测光束按核验轨迹移动过程中的变化情况，确定初始工件的检测结果。
另一方面，为了准确检测光学工件的表面缺陷，本说明书的一个或多个实施例提供了一种工件缺陷检测方法，将成品工件的待检测表面进行放大后，为成品工件(例如，抛光后光学工件)设置多个检测路径，使得在多个检测路径下，图像采集装置的视野可以覆盖整个待检测表面，进一步通过图像采集装置采集每个检测路径下待检测表面的局部图像，并识别每个局部图像中的待定目标特征，从而判断待检测表面是否存在表面缺陷，并确定成品工件的检测结果。
需要说明的是，在本说明书的实施例中所适用的光学工件可以包括任何透明和/或半透明的工件，“光学工件”并不构成对本说明书的限制。
图1根据本说明书一些实施例所示的工件缺陷检测系统的应用场景图。如图1所示，在该应用场景中，工件缺陷检测系统100可以包括工件缺陷检测设备110、存储器120、处理器130、用户终端140和网络150。
在一些实施例中，工件缺陷检测系统100中的一个或者多个组件可以通过网络150传送数据至其他组件。例如，处理器130可以通过网络150获取用户终端140、工件缺陷检测设备110和存储器120中的信息和/或数据，或者可以通过网络150将信息和/或数据发送到用户终端140和存储器120。
工件缺陷检测设备110用于检测工件缺陷。在一些实施例中，工件缺陷检测设备110可以包括工件111、光源112、膜层涂覆装置113、以及图像采集装置114。
工件111可以指需要检测的透明和/或半透明的物体，例如光学工件。在一些实施例中，工件111可以包括初始工件和/或表面处理后的工件等。本说明书实施例中，任意工件111需要或处于被检测时，均可称为待检测工件，即待检测工件可以包括待检测的初始工件(可称为第一待检测工件)和待检测的成品工件(可称为第二待检测工件)。
光源112用于照射工件111。在一些实施例中，光源112可以包括激光源、可见光源等。在一些实施例中，光源112可以由光束控制装置(图1未示出)控制。在一些实施例中，光源112可以包括多个不同的光源，光束控制装置可以控制其中的任意光源发出工件检测所需的检测光束对工件111进行照射。在一些实施例中，光束控制装置(图1未示出)还可以控制光源112移动，或者控制光源112发出的检测光束移动，使得检测光束可以按照设定的轨迹或路径(例如，检测路径、核验轨迹等)相对于工件111移动。
膜层涂覆装置113可以指在工件111表面涂覆涂层的装置。在一些实施例中，膜层涂覆装置113可以在工件111表面涂覆涂层来设置光学检测表面。在一些实施例中，膜层涂覆装置113可以在工件111表面涂覆涂层来设置光学吸收表面。
图像采集装置114可以用于获取包括工件111的全部或者部分的图像。图像采集装置114可以包括摄像头、相机、摄像机等。在一些实施例中，图像采集装置114可以是CCD摄像机。在一些实施例中，图像采集装置114可以沿检测路径相对于待检测工件移动。
存储器120可以用于存储与工件缺陷检测系统100的应用场景相关的数据和/或指令。存储器120可以存储对工件缺陷检测设备110中的各个组件的指令。例如，存储器120可以存储对图像采集装置114下发的采集指令。在一些实施例中，存储器120可以存储从工件缺陷检测设备110、处理器130等获得的数据和/或信息。例如，存储器120可以存储工件缺陷检测设备110采集的检测图像和/或局部图像等。
存储器120可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储器120可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，存储器120可在云平台上实现。
处理器130可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理器可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本申请中描述的功能。例如，处理器130可以用于基于采集的检测图像确定待定目标特征。又例如，处理器130可以用于基于局部图像识别其中的待定目标特征，并判断该待定目标特征是否为目标特征。
在一些实施例中，处理器130可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理器130可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
用户终端140指用户所使用的一个或多个终端设备或软件。用户终端140可以包括处理单元、显示单元、输入/输出单元、存储单元等。在一些实施例中，用户终端140可以是台式电脑、移动设备、平板计算机、膝上型计算机等其他具有输入和/或输出功能的设备中的一种或其任意组合。用户终端140可以包括显示器，用于显示图像采集装置114采集到的检测影像和/或局部图像。在一些实施例中，使用用户终端140的可以是一个或多个用户，可以包括直接使用服务的用户，也可以包括其他相关用户。在一些实施例中，移动设备可以是智能电话，智能手表等。在一些实施例中，用户可以是指工件缺陷检测设备110的使用者。上述示例仅用于说明用户终端140设备范围的广泛性而非对其范围的限制。
网络150可以连接系统的各组成部分和/或连接系统与外部资源部分。网络150使得各组成部分之间，以及与系统之外其他部分之间可以进行通讯，促进数据和/或信息的交换。例如，处理器130可以通过网络150从存储器120中获取图像采集装置114采集的图像。
在一些实施例中，网络150可以是有线网络或无线网络中的任意一种或多种。例如，网络150可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式，也可以是采取多种方式。在一些实施例中，网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
应当注意工件缺陷检测系统100的应用场景仅仅是为了说明的目的而提供的，并不意图限制本申请的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，工件缺陷检测系统100可以在其它设备上实现类似或不同的功能。然而，这些变化和修改不会背离本申请的范围。
图2A是根据本说明书一些实施例所示的工件缺陷检测系统的示例性模块图。
如图2A所示，工件缺陷检测系统200-1可以包括表面构建模块210、图像获取模块220、光束控制模块230、结果确定模块240。
表面构建模块210可以用于为初始工件构建至少一个光学检测表面。
在一些实施例中，表面构建模块210还可以用于：为初始工件的至少一个待加工表面涂覆透光膜层，以构建至少一个光学检测表面，其中，透光膜层远离待加工表面的平整度高于待加工表面的平整度。
图像获取模块220可以用于获取初始工件在检测光束照射下，光学检测表面的检测影像。
在一些实施例中，图像获取模块220还可以用于：控制检测光束以平行于光学检测表面的方向入射至初始工件内部；移动检测光束，以使检测光束遍历初始工件内部；在遍历过程中，采集光学检测表面的影像以获取检测影像。
在一些实施例中，图像获取模块220还可以用于：基于检测影像的像素点的图像值分布判断检测影像中是否存在待定目标特征。
光束控制模块230可以用于响应于检测影像中存在待定目标特征，控制检测光束按核验轨迹移动。
结果确定模块240可以用于至少基于待定目标特征在检测光束按核验轨迹移动过程中的变化情况，确定初始工件的检测结果。
在一些实施例中，结果确定模块240还可以用于：响应于待定目标特征的图像值的变化不超过预设阈值，确定待定目标特征为目标特征；基于目标特征，确定初始工件的检测结果。
在一些实施例中，结果确定模块240还可以用于：响应于目标特征的数量大于预设数量，确定初始工件不合格；或者，响应于目标特征的总面积大于预设面积，确定初始工件不合格。
如图2B所示，工件缺陷检测系统200-2可以包括路径设置模块250、局部图像获取模块260、目标特征识别模块270、目标特征确定模块280。
路径设置模块250可以用于为待检测工件设置多个检测路径，在多个检测路径下图像采集装置的视野覆盖待检测工件的待检测表面。
局部图像获取模块260可以用于获取每个检测路径下获取待检测工件的局部图像。
目标特征识别模块270可以用于识别每个局部图像中的待定目标特征，并判断待定目标特征是否满足第一预设条件。
目标特征确定模块280可以用于响应于待定目标特征满足第一预设条件，将待定目标特征确定为目标特征。
在一些实施例中，目标特征确定模块280还可以用于：响应于所述待定目标特征不满足所述第一预设条件，判断所述待定目标特征是否满足第二预设条件，所述第二预设条件包括所述待定目标特征的完整度条件；响应于所述待定目标特征满足所述第二预设条件，将所述待定目标特征确定为非目标特征。
在一些实施例中，目标特征确定模块280还可以用于：响应于所述待定目标特征不满足所述第二预设条件，确定所述待定目标特征的位置信息；基于所述位置信息判断与当前局部图像邻接的相邻局部图像中是否存在邻接待定目标特征；响应于相邻局部图像中不存在邻接待定目标特征，将所述待定目标特征确定为非目标特征。
在一些实施例中，目标特征确定模块280还可以用于：响应于相邻局部图像中存在邻接待定目标特征，基于所述待定目标特征和所述邻接待定目标特征生成融合待定目标特征；判断所述融合待定目标特征是否满足所述第一预设条件；响应于所述融合待定目标特征满足所述第一预设条件，将所述融合待定目标特征确定为目标特征；响应于所述融合待定目标特征不满足所述第一预设条件，将所述融合待定目标特征确定为非目标特征。
在一些实施例中，目标特征确定模块280还可以用于：响应于所述待检测工件中存在所述目标特征，确定所述待检测工件不合格。
在一些实施例中，路径设置模块250可以进一步用于：获取所述图像采集装置对待检测工件的目标缩放倍数；基于所述目标缩放倍数，设置所述多个检测路径。
在一些实施例中，局部图像获取模块260可以进一步用于：为所述待检测工件上与所述待检测表面相背的工件表面构建光学吸收表面；控制光源以预设光照强度照射所述待检测表面；控制所述图像采集装置沿所述多个检测路径相对于所述待检测工件移动，以获取每个检测路径下所述待检测工件的局部图像。
在一些实施例中，目标特征识别模块270可以进一步用于：获取目标特征识别模型，所述目标特征识别模型为训练好的机器学习模型；基于所述目标特征识别模型，识别每个局部图像中是否存在待定目标特征；以及基于所述目标特征识别模型判断所述待定目标特征是否满足第一预设条件。
图3是根据本说明书一些实施例所示的工件缺陷检测设备的示例性结构示意图。
如图3所示，工件缺陷检测设备300可以包括膜层涂覆装置310、光束控制装置320、图像采集装置330以及处理器340。
在一些实施例中，膜层涂覆装置310可以用于为工件涂覆涂层。光束控制装置320可以包括光源(例如，激光光源，普通照明光源等)，光束控制装置320可以用于发射和控制检测光束。图像采集装置330可以用于采集图像。处理器340可以用于控制膜层涂覆装置310、光束控制装置320和图像采集装置330，以执行工件缺陷检测方法。
在一些实施例中，膜层涂覆装置310可以用于为工件(例如，初始工件)涂覆涂层来构建光学检测表面，光束控制装置320可以用于控制检测光束按设定的轨迹(例如，核验轨迹等)移动，图像采集装置330可以用于获取在检测光束照射下初始工件的光学检测表面的检测影像。在一些实施例中，处理器340可以先控制膜层涂覆装置310为初始工件涂覆膜层，以便在初始工件的待检测表面上形成透光膜层从而构建光学检测表面。待初始工件构建好光学检测表面后，处理器340可以通过光束控制装置320控制光束按设定的轨迹照射工件，并控制图像采集装置330采集光学检测表面的检测影像。
在一些实施例中，膜层涂覆装置310还可以用于为待检测工件(例如，待检测的表面处理后的工件)上与待检测表面相背的工件表面构建光学吸收表面，光束控制装置320可以用于控制光源以预设光照强度照射待检测表面，处理器340可以用于控制图像采集装置330沿多个检测路径相对于待检测工件移动，图像采集装置330可以获取每个检测路径下待检测工件的局部图像，处理器340可以判断每个局部图像中是否存在待定目标特征。
图4是根据本说明书一些实施例所示的光学工件检测方法的示例性流程图。在一些实施例中，流程400可以由处理器执行。流程400可以包括以下步骤：
步骤410，为初始工件构建至少一个光学检测表面。在一些实施例中，步骤410可以由表面构建模块210执行。
初始工件可以指待加工表面未完全加工至表面光滑的工件，例如，毛坯工件。初始工件可以具有至少一个待加工表面。在一些实施例中，初始工件可以是圆柱形或类圆柱的饼形，初始工件上垂直于轴线方向的表面可以是待加工表面。待加工表面可以是圆形、方形等形状。待加工表面可以是初始工件在加工为成品工件过程中需要加工处理(例如打磨)的表面。在一些实施例中，初始工件的待加工表面可以包括一个或多个。
在初始工件内部可能出现气泡、杂质、裂纹等质量问题，在初始工件的表面也可能存在杂质、划痕等。由于初始工件的表面还需要在后续加工过程中加工处理，因此初始工件表面存在的缺陷对初始工件的质量影响较小，初始工件主要关注其内部缺陷。由于初始工件的待加工表面一般表面积较大，从待加工表面观测初始工件的内部能够更全面直观地确定初始工件的内部缺陷情况，但由于待加工表面往往不够平整，光线从该表面射出后容易出现漫射现象，加大了检测初始工件质量问题的难度。在一些实施例中，通过在初始工件的待加工表面构建光学检测表面可以降低检测初始工件内部质量问题的难度，从而提高初始工件内部质量问题的检测效率。
光学检测表面可以指对检测光线具有较一致的传播性能的表面。在一些实施例中，光学检测表面可以在初始工件的至少一个待加工表面上构建。在一些实施例中，光学检测表面可以通过在初始工件的待加工表面构建透光膜层来实现。透光膜层可以指透光度较高的涂层。在一些实施例中，透光膜层可以是涂覆于待加工表面的液体所形成的液膜。例如，光学检测表面可以包括色拉油膜。在一些实施例中，透光膜层也可以是覆盖于待加工表面的固体膜层，例如，固化后的胶膜。在一些实施例中，透光膜层远离待加工表面的平整度高于待加工表面的平整度。在一些实施例中，透光膜层背离初始工件的待加工表面为光滑表面，光线从该光滑表面射出时根据该表面的面型具有规则的出射方向(即不会发生漫射)。
在一些实施例中，可以使用膜层涂覆装置310通过喷涂、涂抹、粘贴、吸附等方式在待检测的初始工件的待加工表面形成透光膜层来构建光学检测表面。通过在初始工件平整度较差的待加工表面上构建透光膜层，可以减少漫反射，易于捕捉到从初始工件内射出的光线，可以较为容易和清楚的观察到初始工件内部的情况。
在一些实施例中，透光膜层的材料折射率与初始工件的材料折射率的差值可以小于预设值。在一些实施例中，折射率的差值的预设值可以根据检测精度需求人工设定。在一些实施例中，透光膜层的折射率和初始工件的折射率的差值可以小于0.2。在一些实施例中，透光膜层的折射率和初始工件的折射率可以相等。在一些实施例中，构建透光膜层的材料可以包括但不限于水、溶液、油、有机溶剂等。在一些实施例中，构建透光膜层的材料优选为色拉油。
通过将透光膜层的折射率和初始工件的折射率设置为相近(差值小于预设值)或相等，可以避免光线从工件内部传播至透光膜层时传播方向发生较大的改变，而影响内部缺陷的呈现效果。当透光膜层的折射率和初始工件的折射率相等时，光线从工件内部传播至透光膜层时传播方向几乎不变。
步骤420，获取初始工件在检测光束照射下，光学检测表面的检测影像。在一些实施例中，步骤420可以由图像获取模块220执行。
检测光束可以指检测过程中照射初始工件的光束。检测光束照射入初始工件后，照射到初始工件的内部的杂质、气泡、裂痕等内部缺陷时，其反射光会从光学检测表面射出而被图像采集装置捕捉到，从而使得到的光学检测表面的检测影像中包含内部缺陷的影像。也就是说，光学检测表面的检测影像可以呈现出初始工件内部的缺陷情况。
检测光束可以以任意方向射入初始工件内部。检测光束可以由光源射出。光源可以是点光源、面光源、线光源等。在一些实施例中，发出检测光束的光源优选可以是激光光源，检测光束可以是激光光束。在一些实施例中，检测光束可以为至少一个。在一些实施例中，检测光束优选可以从初始工件的侧面射入，初始工件的侧面可以是连接待加工表面的面。例如，对于圆柱形或饼形的初始工件，侧面可以是平行于初始工件轴线的面。
检测影像可以指图像采集装置拍摄的包含初始工件上的光学检测表面的全部区域的图像，即检测影像可以为光学检测表面的整体影像。
在一些实施例中，获取初始工件在检测光束照射下，光学检测表面的检测影像，包括：控制检测光束以平行于光学检测表面的方向入射至初始工件内部；移动检测光束，以使检测光束遍历初始工件内部；在遍历过程中，采集光学检测表面的影像以获取检测影像。
在一些实施例中，控制检测光束以平行于光学检测表面的方向入射至初始工件内部可以使光学检测表面所射出的光线尽可能保持为由缺陷反射的光线，避免不是由缺陷反射的光线也进入图像采集装置330而影响成像结果。
在一些实施例中，处理器可以控制光束控制装置320来移动检测光束。在一些实施例中，光束控制装置320可以包括光源，通过改变光源的位置可以移动检测光束。在一些实施例中，光束控制装置320可以直接控制光束，例如，光束控制装置可以是光线反射装置，通过控制反射角度从而改变光束的传输路径。
遍历过程可以指检测光束从开始入射到照射完初始工件内部所有点的过程。在一些实施例中，检测光束也可以任意路径移动照射初始工件从而实现遍历过程。在一些实施例中，遍历路径可以包括垂直于初始工件轴线的第一路径和平行于初始工件轴线的第二路径。在一些实施例中，第一路径可以包括平行于初始工件光学检测表面的并按一直线方向平移的平移路径。在一些实施例中，在另一些实施例中，第一路径也可以包括至少一个检测光束以平行于初始工件的光学检测表面的方向并绕初始工件的轴线转动的转动路径。在一些实施例中，遍历路径可以包括多个垂直于初始工件轴线方向的不同平面内的第一路径，以及连接多个第一路径的多个第二路径，光束控制装置320控制检测光束依次交替执行相互连接的多个第一路径和多个第二路径即可完成对初始工件内部的遍历。
在一些实施例中，在检测光束移动的过程中，处理器340可以控制图像采集装置330持续获取检测影像，直至遍历过程结束。
在一些实施例中，为了进一步提高获取的检测影像的呈现效果，可以将检测环境中的环境光的强度设置为小于或等于预设强度。预设强度可以人工设置。在一些实施例中，预设强度可以为周围无光源时对应的光强度。
通过设置环境光的强度的预设强度，可以使检测影像中可能存在的亮斑不受环境光的影响，从而提供检测影像中亮斑显示的对比度，进而提高对初始工件内部气泡确定的准确性。
在一些实施例中，激光光束射入到初始工件后，若初始工件内部有气泡或裂缝等内部缺陷，图像采集装置拍摄到的检测影像中内部缺陷表现为亮斑。然而若初始工件存在表面缺陷(如表面杂质)，在一些情况下，也可能会在检测影像中形成亮斑，从而影像内部缺陷的检测。因此，需要进一步确定检测影像中的待定目标特征是否为内部缺陷。
步骤430，响应于检测影像中存在待定目标特征，控制检测光束按核验轨迹移动。在一些实施例中，步骤430可以由光束控制模块230执行。
待定目标特征可以指检测影像中的亮斑，亮斑可以代表检测影像中的可疑缺陷。可疑缺陷可以包括初始工件的表面缺陷和内部缺陷。初始工件的内部可疑缺陷可以包括内部的气泡、裂纹等。初始工件的表面缺陷可以包括表面的杂质等。由于初始工件的表面有待进一步加工处理，因此，外部缺陷可以认为不是初始工件的检测目标，在本说明书的一些实施例中，可以将外部缺陷作为初始工件的非目标特征。对于初始工件的检测，判定其质量的主要依据可以为初始工件的内部缺陷，在本说明书的一些实施例中，可以将内部缺陷(如气泡、裂纹等)作为初始工件的目标特征。在一些实施例中，为了识别检测影像中的待定目标特征具体是目标特征或是非目标特征，光束控制装置320可以进一步控制检测光束按核验轨迹移动。
在一些实施例中，基于检测影像的像素点的图像值分布可以判断检测影像中是否存在待定目标特征。
检测影像的像素点的图像值可以指检测影像中像素点的量化数值。在一些实施例中，检测影像的像素点的图像值可以包括像素值、灰度值或者RGB值。例如，灰度值为0的像素点的颜色为黑色，灰度值为255的像素点的颜色为白色。亮斑对应的像素点的灰度值较高。在一些实施例中，检测影像的像素点的图像值可以与该像素点的位置坐标一一对应。
在一些实施例中，可以为检测影像的像素点的图像值设置图像值阈值。图像值阈值可以人工设定。例如，图像值阈值可以根据检测影像中初始工件对应的像素点合集的平均图像值。在一些实施例中，处理器可以将图像值高于图像值阈值的像素点确定为待定目标特征。例如，处理器可以将灰度值高于灰度值阈值的像素点所组成的图像确定为待定目标特征。通过设置图像值阈值可以准确的识别检测影像中的待定目标特征。
通过本说明书的实施例，基于检测影像的像素点的图像值确定待定目标特征，可以先确定初始工件的全部可疑缺陷，避免检测结果不全或遗漏。
核验轨迹可以指对每个待定目标特征进行核验时检测光束的移动轨迹。
在一些实施例中，每个待定目标特征对应于一个核验轨迹，即对于每个待定目标特征，均执行一个核验轨迹进行核验。在一些实施例中，核验轨迹包括：平行于光学检测表面且绕待定目标特征摆动的摆动轨迹，和/或，垂直于光学检测表面且相对于待定目标特征平移的平移轨迹。
在一些实施例中，摆动轨迹包括摆动中心和摆幅，摆动中心为待定目标特征的中心，摆幅为预设摆幅，或者摆幅基于待定目标特征确定。在一些实施例中，摆幅可以用起始位置对应的检测光束和当前位置对应的检测光束的最大夹角表示。例如，起始位置对应的检测光束和当前位置对应的检测光束的最大夹角可以为90°，此时的摆幅可以为±90°。
图5A是本说明书一些实施例中的摆动轨迹的示意图。如图5A所示，工件510上表面为待加工表面520，在工件510内部存在气泡550，光源530发射检测光束540，从侧面射入工件510内部。在对该工件510进行检测时，气泡550在检测影像中表现为待定目标特征(即亮斑)。当利用光源530发出的检测光束540对工件510进行检测时，检测光束540在移动过程中遭遇气泡550时，检测影像中即可显示出亮斑，该亮斑需要经过进一步核验来确认其是否代表工件内部的气泡550。在核验时，可以将检测光束540遭遇气泡550时的位置作为起始位置控制检测光束绕该气泡550对应的亮斑(即以亮斑为摆动中心)在平行于光学检测表面的平面内进行摆动(摆动角度可以为±90°)，该过程即为执行核验轨迹中的摆动轨迹。在一些实施例中，摆动轨迹可以沿着如图5A所示的实线箭头方向，也可以是如图5A所示的实线箭头方向的反方向(如虚线箭头所示)。
在一些实施例中，也可以通过执行平移轨迹来对待定目标特征进行核验。图5B是本说明书一些实施例中的平移轨迹的示意图。如图5B所示，当光源530发出的检测光束540在工件510内部传播时，检测光束540的传播路径中有气泡550，该气泡550在检测影像中表现为待定目标特征(即亮斑)。在核验时，可以将检测光束遭遇气泡550的位置作为起始位置进行平移，平移轨迹可以沿着可以如图5B中虚线箭头方向平移(即平行于初始工件的轴线方向)。在一些实施例中，由于初始工件的轴线垂直于初始工件的光学检测表面，因此平移轨迹可以是以起始位置为起点，沿着垂直于待加工表面(和/或光学检测表面)的工件的方向进行移动。
在一些实施例中，平移轨迹可以包括平动范围，平动范围可以为预设范围，或者平动范围基于待定目标特征确定。在一些实施例中，平动范围可以指以起始位置为起点，检测光束平移方向移动的范围。在一些实施例中，平动范围的预设范围可以为±2mm-±5mm。
在一些实施例中，在核验时，可以分别先后执行平移轨迹和摆动轨迹，也可以只执行平移轨迹和摆动轨迹中的其中一者。
在一些实施例中，处理器可以通过摆动模型来确定预设摆幅。摆动模型可以为机器学习模型，例如，深度神经网络模型等。摆动模型的输入为检测光束的波长、光学检测表面折射率和颜色、待定目标特征的图像值和颜色，输出可以包括摆幅和平动范围。
在一些实施例中，摆动模型可以通过训练得到。例如，向初始摆动模型输入训练样本，并基于标签和初始摆动模型的输出结果建立损失函数，对初始摆动模型的参数进行更新，当初始摆动模型的损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，训练样本可以包括检测光束的历史波长、光学检测表面的历史折射率和历史颜色、待定目标特征的历史图像值和历史颜色，训练样本可以基于历史数据获取。训练样本的标签可以是对应的检测光束的摆幅和平动范围。标签可以人工标注。
通过机器学习模型可以提高确定核验轨迹的摆幅的准确性。通过本说明书的一些实施例，通过检测光束按照核验轨迹移动，可以判断对应的待定目标特征是否为目标特征。
步骤440，至少基于待定目标特征在检测光束按核验轨迹移动过程中的变化情况，确定初始工件的检测结果。在一些实施例中，步骤440可以由结果确定模块240执行。
变化情况可以指与待定目标特征的图像值的变化有关的信息。例如，变化情况可以包括待定目标特征的图像值变化前后的值、差值等。
初始工件的检测结果可以指初始工件的合格情况。在一些实施例中，初始工件的检测结果可以包括初始工件合格或者不合格。
在一些实施例中，至少基于待定目标特征在检测光束按核验轨迹移动过程中的变化情况，确定初始工件的检测结果，包括：响应于待定目标特征的图像值的变化不超过预设阈值，确定待定目标特征为目标特征；基于目标特征，确定初始工件的检测结果。在一些实施例中，衡量图像值的变化的预设阈值可以人工设定。
在一些实施例中，对于初始工件，目标特征可以指初始工件的内部缺陷对应的特征。在一些实施例中，目标特征可以为初始工件内部的气泡。在检测光束按核验轨迹移动过程中，初始工件内部的气泡对应的亮斑的图像值较为稳定，而初始工件的外部缺陷对应的亮斑随检测光束的移动时的图像值变化幅度较大(例如，亮斑消失)。
在一些实施例中，基于目标特征，确定初始工件的检测结果，包括：响应于目标特征的数量大于预设数量，确定初始工件不合格；或者，响应于目标特征的总面积大于预设面积，确定初始工件不合格。在一些实施例中，预设数量和预设面积都可以通过人工设定。例如，若预设数量为3个，当初始工件的目标特征为4个时，该初始工件不合格。
在一些实施例中，当初始工件的内部缺陷的数量较少或者所有内部缺陷的总面积较小时，不足以对初始工件的后续使用造成影响，此时可以将初始工件认定为合格。在一些实施例中，当初始工件内部缺陷的数量或者所有内部缺陷总面积大于预设值(例如预设数量或预设面积)时，可以将该初始工件确定为不合格，通过此实施例，可以将内部存在少量小气泡的晶体作为合格品进一步进行加工，节约了成本。在另一些实施例中，也可以在确定初始工件存在目标特征(即内部缺陷)时，就将初始工件认定为不合格，而无需判断目标特征的数量或面积。
通过本说明书的一些实施例，通过在初始工件表面构建一个光学检测表面确定待定目标特征，再根据检测光束按核验轨迹移动过程中的变化情况，确定初始工件内部是否有气泡等内部缺陷，可以提高缺陷检测的准确性，并且可以在对光学工件加工前期就能检测出不合格工件，避免了资源浪费。
通过本说明书的一些实施例(例如，图4、5A、5B中的实施例)，可以对初始工件(可称为第一待检测工件)中的内部缺陷进行检测，确定工件内部缺陷是否会影响工件质量。若初始工件无质量问题，则可以进一步对初始工件进行加工(例如，进行表面打磨处理)，得到成品工件。而对于已经加工(例如，打磨抛光等)后的成品工件(可称为第二待检测工件)而言，可能会在工件的表面上形成划痕等缺陷，因此，需要对成品工件的表面进行检测(例如，检测成品工件的表面是否存在划痕、麻点等表面缺陷)，以确定成品工件的合格情况。在对成品工件(即第二待检测工件)进行检测时，可以根据成品工件的待检测表面上是否存在足以影响成品工件质量的表面缺陷(也称为第二类目标特征)来判断成品工件是否合格。以下将通过图6和图7对工件表面的第二类目标特征的检测进行说明。
图6是根据本说明书一些实施例所示的工件检测方法的示例性流程图。在一些实施例中，流程600可以由处理器执行。流程600包括以下步骤：
步骤610，为待检测工件设置多个检测路径，在多个检测路径下图像采集装置的视野覆盖待检测工件的待检测表面。在一些实施例中，步骤610可以由路径设置模块250执行。
在一些实施例中，待检测工件可以指需要检测是否存在缺陷的工件。在一些实施例中，待检测工件可以是经过加工的成品工件，加工可以包括对工件表面的抛光打磨等。
在一些实施例中，待检测表面可以指待检测工件上经过加工的表面。例如，待检测表面可以是由初始工件打磨为成品工件时的已打磨表面。
在一些实施例中，由于待检测表面上可能存在的表面缺陷通常尺寸较小，因此，在对待检测表面进行检测时，需要对待检测表面进行放大，再使用图像检测装置检测放大后的待检测表面，因此，在检测时，图像检测装置在同一时间可以拍摄到待检测表面的部分图像。在一些实施例中，为了获取待检测表面的全部图像，可以为待检测工件设置多个检测路径，以便在多个检测路径下图像采集装置的视野能够覆盖待检测工件的待检测表面的全部区域。
检测路径可以指图像采集装置在采集待检测表面的全部区域的图像时的采集路径。在一些实施例中，检测路径可以通过图像采集装置的视野变化来呈现。在一些实施例中，图像采集装置的视野可以通过用户终端的显示器显示，视野可以为方形、圆形等任意形状。在一些实施例中，由于图像采集装置每次只能获取待检测表面的部分图像，因此，可以通过控制待检测工件和图像采集装置中的至少一个发生运动，使得图像采集装置对待检测表面的视野按照检测路径变化，从而获取待检测表面的不同的局部图像，这些局部图像可以组成待检测表面的完整图像。
在一些实施例中，检测路径可以根据待检测工件的待检测表面的形状、面积确定。例如，可以将待检测工件的待检测表面划出若干平行的横线，得到检测路径，该检测路径为带状路径，图像采集装置的视野可以按照带状路径进行移动。再例如，待检测工件的待检测表面是圆形，则检测路径可以是围绕着该圆形工件圆心并平行于待检测表面的多个同心环形路径。
在一些实施例中，当待检测工件的放大倍数越大，则图像检测装置在待检测表面的检测路径对应的视野实际上越窄，反之则越宽。
在一些实施例中，为待检测工件设置多个检测路径，包括：获取图像采集装置对待检测工件的目标缩放倍数；基于目标缩放倍数，设置多个检测路径。
目标缩放倍数可以指在对待检测工件进行检测时，为了获取检测结果而对待检测表面设置的缩放倍数。在一些实施例中，目标缩放倍数可以用缩放后的成像面积和/或长度与物体实际面积和/或长度的比值表示。目标缩放倍数可以包括放大倍数或缩小倍数。例如，目标缩放倍数为放大五倍，在表示放大后的成像面积是物体实际的面积的五倍。在一些实施例中，目标缩放倍数可以是用户输入的。在一些实施例中，目标缩放倍数也可以是处理器根据待检测表面的大小自动设置的。
当确定目标缩放倍数后，可以确定检测路径的宽度，并根据该宽度为待检测表面设置检测路径。例如，待检测表面是圆形，目标缩放倍数为放大5倍，若在放大前原图像采集装置的视野刚好覆盖待检测表面，则可以用平行于任一直径方向的四条横线将待检测表面划分为五个平行的路径，还可以将待检测表面分出5个宽度相等的同心环，以使得图像采集装置的视野能覆盖整个待检测表面。
步骤620，获取每个检测路径下待检测工件的局部图像。在一些实施例中，步骤620可以由局部图像获取模块260执行。
局部图像可以指包含待检测表面的一部分的图像。局部图像可以通过图像采集装置获取。在一些实施例中，图像采集装置每移动完一个检测路径，就可以获取一次局部图像。全部局部图像的组合可以覆盖待检测表面。
在一些实施例中，获取每个检测路径下待检测工件的局部图像，可以包括：为待检测工件上与待检测表面相背的工件表面构建光学吸收表面；控制光源以预设光照强度照射待检测表面；控制图像采集装置沿多个检测路径相对于待检测工件移动，以获取每个检测路径下待检测工件的局部图像。
光学吸收表面可以指在待检测工件表面的对待检测工件内部射出的光进行吸收的表面。在一些实施例中，光学吸收表面可以是不透光膜层。不透光膜层可以指透光度较低的涂层。例如，光学吸收表面可以是黑色的膜层。在一些实施例中，处理器可以控制膜层涂覆装置在待检测工件上与待检测表面相背的表面构建光学吸收表面。通过光学吸收表面可以吸收从待检测工件射出的光线，使得待检测工件的该部位不反光也不透光。通过在与待检测表面相背的表面构建光学吸收表面，可以避免入射光线从该表面反射回图像采集装置，使图像采集装置采集到的检测图像中亮度较高的特征主要为表面缺陷对光线反射而成，从而避免影响图像中表面缺陷的呈现效果。
在一些实施例中，当光源照射待检测工件时，光照强度可以根据检测环境中的环境光的强度而预先设置。在一些实施例中，预设光照强度可以由人工预设。在一些实施例中，预设光照强度也可以由处理器根据环境光自动预设。
在一些实施例中，光源可以设置在待检测工件的待检测表面上方，光源发出的光束照射在待检测表面上，在光源发出光束的过程中，图像采集装置和光源设置在待检测表面的同一侧(例如，都设置于待检测表面上方)，处理器可以控制图像采集装置按照每个检测路径相对于待检测表面移动(或者，也可以是控制待检测工件相对于图像采集装置移动)，以获取每个检测路径下的局部图像。
步骤630，识别每个局部图像中的待定目标特征，并判断待定目标特征是否满足第一预设条件。在一些实施例中，步骤630可以由目标特征识别模块270执行。
在一些实施例中，局部图像中的待定目标特征可以包括待检测表面上的表面缺陷(例如，麻点、划痕)在局部图像中的成像。在一些实施例中，待检测表面上的表面缺陷(例如，麻点、划痕)在局部图像中的成像可以包括亮点和/或亮线。在一些实施例中，可以基于检测影像的像素点的图像值分布判断检测影像中是否存在待定目标特征。关于待定目标特征的检测可以参见本说明书其他内容的描述，例如图4中检测影像中待定目标特征的检测。
第一预设条件可以指目标特征需要满足的条件。在一些实施例中，第一预设条件可以指待定目标特征的长度和/或面积的阈值条件。长度和/或面积的阈值可以人工设定。
在一些实施例中，处理器可以识别每个局部图像中的待定目标特征，并判断待定目标特征是否满足第一预设条件。在一些实施例中，该识别和判断过程具体包括：获取目标特征识别模型，目标特征识别模型为训练好的机器学习模型；基于目标特征识别模型，识别每个局部图像中是否存在待定目标特征；以及基于目标特征识别模型判断待定目标特征是否满足第一预设条件。
在一些实施例中，处理器可以通过目标识别模型来识别局部图像中是否存在待定目标特征，以及待定目标特征是否满足第一预设条件。目标识别模型可以为机器学习模型，例如，深度神经网络模型等。目标识别模型的输入为局部图像，输出可以包括该局部图像中是否存在待定目标特征，以及待定目标特征是否满足第一预设条件。
在一些实施例中，目标识别模型可以通过训练得到。例如，向初始目标识别模型输入训练样本，并基于标签和初始目标识别模型的输出结果建立损失函数，对初始目标识别模型的参数进行更新，当初始目标识别模型的损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，训练样本可以包括历史局部图像和第一预设条件，训练样本可以基于历史数据获取。训练样本的标签可以是局部图像中是否存在待定目标特征，以及待定目标特征是否满足第一预设条件。标签可以人工标注。
通过目标识别模型，可以提高判断工件的表面缺陷的准确性和效率，大幅度减少了检测人员在强光下的检测工作时间，保护了检测人员的眼部健康。
步骤640，响应于待定目标特征满足第一预设条件，将待定目标特征确定为目标特征。在一些实施例中，步骤640可以由目标特征确定模块280执行。
在检测待检测工件表面时，待定目标特征可以通过是否满足第一预设条件来确定待定目标特征是否是第一类目标特征。
在一些实施例中，满足第一预设条件的待定目标特征可以指长度和/或面积超过长度和/或面积的阈值的亮点和/或亮线。在一些实施例中，处理器可以将满足第一预设条件的待定目标特征确定为目标特征(即，第二类目标特征)。例如，待定目标特征为亮线，亮线的长度为5mm，对应的阈值为4mm，则该亮线即为目标特征。
在一些实施例中，当待定目标特征不满足第一预设条件，则该待定特征为非目标特征。关于非目标铁柱的详细内容可以参见本说明书其他内容的描述，例如，图7。
在一些实施例中，响应于待检测工件中存在目标特征，确定待检测工件不合格。在一些实施例中，响应于存在目标特征，则说明待检测工件中存在尺寸较大(即尺寸超过工件合格要求)的表面缺陷，由此可以确定待检测工件不合格。
通过本说明书的一些实施例，可以对加工后工件的表面的检测，来确定加工后工件的合格情况，从而实现光学工件的表面质量检测。
图7是根据本说明书一些实施例所示的确定非目标特征的示例性流程图。在一些实施例中，处理器可以根据流程700所示的步骤判断待定目标特征710是为非目标特征770、目标特征780中的一种。流程700包括以下步骤：
步骤720，判断待定目标特征710是否满足第一预设条件。
步骤721，当待定目标特征710满足第一预设条件，可以确定待定目标特征为目标特征780。关于第一预设条件的详细内容可以参见图6的详细内容。
步骤722，当待定目标特征710不满足第一预设条件，则执行步骤730。
步骤730，判断待定目标特征710是否满足第二预设条件。
第二预设条件包括待定目标特征的完整度条件。满足第二预设条件可以指局部图像中待定目标特征是完整的。
在一些实施例中，当某一个局部图像中的待定目标特征同时满足第一预设条件和第二预设条件，说明待定目标特征是完整的并且长度和/或面积没有超过长度和/或面积的阈值，则可以确定当前待定目标特征为非目标特征。
在一些实施例中，处理器可以通过判断待定目标特征的一部分是否到达图像采集装置拍摄的视野边缘来判断当前待定目标特征是否完整。当观察到当前待定目标特征的任意一部分没有到达视野的边缘，可以说明，待定目标特征是完整的，反之，则目标特征可能是不完整的。
步骤731，当待定目标特征满足第二预设条件，将待定目标特征710确定为非目标特征770。
非目标特征770可以指不足以影响产品合格情况的待定目标特征。在一些实施例中，非目标特征770可以包括长度和/或面积较小的表面缺陷(例如，较小的麻点或划痕)。
在一些情况下，由于某一个局部图像无法拍摄到一条完整的划痕，因此，局部图像中的待定目标特征可能是不完整的，在此情况下，无法基于一个局部图像中的不完整的待定目标特征是否满足第一预设条件来判断待检测工件的合格情况，此时需要确定同一条待定目标特征在其他局部图像中的部分。本说明书的一些实施例，通过判断待定目标特征的完整度，并进一步判断待定目标特征对应的完整划痕是否会影响待检测工件的合格情况，可以提高对工件合格情况判断的准确性。
步骤732，当待定目标特征710不满足第二预设条件时，执行步骤740。
步骤740，确定待定目标特征710的位置信息。
位置信息可以通过该待定目标特征710在坐标系中的位置确定。在一些实施例中，可以将待检测表面的中心设为原点建立坐标系，并确定当前局部图像边缘和待定目标特征710的交点作为该待定目标特征710的位置信息。
步骤750，基于位置信息判断与当前局部图像邻接的相邻局部图像中是否存在邻接待定目标特征。
在一些实施例中，当前局部图像中存在不满足第一预设条件和第二预设条件的待定目标特征时，相邻局部图像可以指与不满足第一预设条件和第二预设条件的待定目标特征所在的当前局部图像邻接的局部图像。相邻局部图像对应的图像采集装置的采集位置可以在当前局部图像对应的采集位置的上、下、左、右。在一些实施例中，当当前局部图像中的待定目标特征不完整，可以从相邻局部图像中确定是否存在同一个待定目标特征对应的邻接待定目标特征。邻接待定目标特征可以指相邻局部图像中存在的与当前局部图像中待定目标特征可以拼接的待定目标特征。
步骤752，响应于相邻局部图像中不存在邻接待定目标特征，将待定目标特征710确定为非目标特征770。
在一些实施例中，当待定目标特征710到达其所在的局部图像的边缘，但是在其他相邻局部图像中没有找到待定目标特征710的邻接待定目标特征，说明当前局部图像中的待定目标特征710是完整的，可以基于第一预设条件来判断该待定目标特征710是非目标特征770。
步骤751，当相邻局部图像中存在邻接待定目标特征，执行步骤760。
步骤760，基于待定目标特征和邻接待定目标特征生成融合待定目标特征。
融合待定目标特征可以指对待定目标特征和邻接待定目标特征连接后的待定目标特征。融合待定目标特征可以为待检测表面的同一个缺陷在至少两个局部图像中的部分。例如，局部图像A中存在不完整的待定目标特征，待定目标特征与局部图像的上边界相交，则相邻局部图像B可以为当前局部图像上侧的局部图像B，局部图像B中存在当前待定目标特征的邻接待定目标特征，在该情况下，可以将局部图像A中的待定目标特征和局部图像B中的邻接待定目标特征进行拼接以得到融合待定目标特征。
在一些实施例中，待检测表面的多个局部图像可以处于相同的坐标系中，处理器可以提取待定目标特征和邻接待定目标特征的像素点，并基于各像素点的坐标生成融合待定目标特。
当融合待定目标特征的长度和/或面积超过长度和/或面积的阈值，则可以将融合待定目标特征确定为目标特征780；当融合待定目标特征的长度和/或面积小于长度和/或面积的阈值，将可以将融合待定目标特征确定为非目标特征770。
步骤761，判断融合待定目标特征是否满足第一预设条件，响应于融合待定目标特征满足第一预设条件，将融合待定目标特征确定为目标特征780。
在一些实施例中，响应于融合待定目标特征不满足第一预设条件，将融合待定目标特征确定为非目标特征770。
在一些实施例中，当待检测工件的图像中只包括非目标特征时，则可以判断该工件合格。
在一些实施例中，通过设置局部图像的宽度，可以使得第一预设条件中的长度阈值小于局部图像的宽度，在该设置下，当待定目标特征横跨任意一个局部图像时，即可确定该待定目标特征满足第一预设条件。当待检测表面的瑕疵过长时，对应的待定目标特征可能会处于两个以上的局部图像中，根据本说明书的一些实施例，可以只根据其中两个相邻接的局部图像中的融合待定目标特征与第一预设条件进行判断，就可以确定非目标特征和目标特征，而无需基于完整瑕疵对应的融合待定目标特征进行判断，节省了融合时间，简化了判断步骤，有利于提高确定工件合格情况的效率。
通过本说明的实施例，实现了毛坯工件内部的气泡检测以及抛光后的工件表面光洁度检测方法自动化，有利于规范检测流程，提高工件检测效率。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种工件缺陷检测方法，其特征在于，包括：
为待检测工件设置多个检测路径，在所述多个检测路径下图像采集装置的视野覆盖所述待检测工件的待检测表面；
获取每个检测路径下所述待检测工件的局部图像；
识别每个局部图像中的待定目标特征，并判断所述待定目标特征是否满足第一预设条件；
根据所述待定目标特征是否满足第一预设条件的判断结果确定所述待检测工件的检测结果。
2.根据权利要求1所述的方法，其特征在于，所述待定目标特征是否满足第一预设条件的判断结果确定所述待检测工件的检测结果，包括：
响应于所述待定目标特征满足所述第一预设条件，将所述待定目标特征确定为目标特征。
3.根据权利要求1所述的方法，其特征在于，所述待定目标特征是否满足第一预设条件的判断结果确定所述待检测工件的检测结果，包括：
响应于所述待定目标特征不满足所述第一预设条件，判断所述待定目标特征是否满足第二预设条件，所述第二预设条件包括所述待定目标特征的完整度条件；
响应于所述待定目标特征满足所述第二预设条件，将所述待定目标特征确定为非目标特征。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
响应于所述待定目标特征不满足所述第二预设条件，确定所述待定目标特征的位置信息；
基于所述位置信息判断与当前局部图像邻接的相邻局部图像中是否存在邻接待定目标特征；
响应于相邻局部图像中不存在邻接待定目标特征，将所述待定目标特征确定为非目标特征。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
响应于相邻局部图像中存在邻接待定目标特征，基于所述待定目标特征和所述邻接待定目标特征生成融合待定目标特征；
判断所述融合待定目标特征是否满足所述第一预设条件；
响应于所述融合待定目标特征满足所述第一预设条件，将所述融合待定目标特征确定为目标特征；
响应于所述融合待定目标特征不满足所述第一预设条件，将所述融合待定目标特征确定为非目标特征。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述待定目标特征是否满足第一预设条件的判断结果确定所述待检测工件的检测结果，还包括：
响应于所述待检测工件中存在所述目标特征，确定所述待检测工件不合格。
7.根据权利要求1所述的方法，其特征在于，所述为待检测工件设置多个检测路径，包括：
获取所述图像采集装置对待检测工件的目标缩放倍数；
基于所述目标缩放倍数，设置所述多个检测路径。
8.根据权利要求1所述的方法，其特征在于，所述待检测工件为光学工件；所述获取每个检测路径下所述待检测工件的局部图像，包括：
为所述待检测工件上与所述待检测表面相背的工件表面构建光学吸收表面；
控制光源以预设光照强度照射所述待检测表面；
控制所述图像采集装置沿所述多个检测路径相对于所述待检测工件移动，以获取每个检测路径下所述待检测工件的局部图像。
9.根据权利要求1所述的方法，其特征在于，所述识别每个局部图像中的待定目标特征，并判断所述待定目标特征是否满足第一预设条件，包括：
获取目标特征识别模型，所述目标特征识别模型为训练好的机器学习模型；
基于所述目标特征识别模型，识别每个局部图像中是否存在待定目标特征；以及
基于所述目标特征识别模型判断所述待定目标特征是否满足第一预设条件。
10.一种工件缺陷检测系统，其特征在于，包括：
路径设置模块，用于为待检测工件设置多个检测路径，在所述多个检测路径下图像采集装置的视野覆盖所述待检测工件的待检测表面；
局部图像获取模块，用于获取每个检测路径下所述待检测工件的局部图像；
目标特征识别模块，用于识别每个局部图像中的待定目标特征，并判断所述待定目标特征是否满足第一预设条件；
目标特征确定模块，用于根据所述待定目标特征是否满足第一预设条件的判断结果确定所述待检测工件的检测结果。
CN202310775121.2A 2023-01-31 2023-01-31 一种工件缺陷检测方法和系统 Pending CN116609342A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310775121.2A CN116609342A (zh) 2023-01-31 2023-01-31 一种工件缺陷检测方法和系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202310047103.2A CN115876784B (zh) 2023-01-31 2023-01-31 一种工件缺陷检测方法、系统和设备
CN202310775121.2A CN116609342A (zh) 2023-01-31 2023-01-31 一种工件缺陷检测方法和系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202310047103.2A Division CN115876784B (zh) 2023-01-31 2023-01-31 一种工件缺陷检测方法、系统和设备

Publications (1)

Publication Number Publication Date
CN116609342A true CN116609342A (zh) 2023-08-18

Family

ID=85758577

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202310775121.2A Pending CN116609342A (zh) 2023-01-31 2023-01-31 一种工件缺陷检测方法和系统
CN202310047103.2A Active CN115876784B (zh) 2023-01-31 2023-01-31 一种工件缺陷检测方法、系统和设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310047103.2A Active CN115876784B (zh) 2023-01-31 2023-01-31 一种工件缺陷检测方法、系统和设备

Country Status (2)

Country Link
CN (2) CN116609342A (zh)
WO (1) WO2024160208A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118334039A (zh) * 2024-06-17 2024-07-12 成都飞机工业（集团）有限责任公司 一种流挂识别方法及系统
WO2024160208A1 (zh) * 2023-01-31 2024-08-08 眉山博雅新材料股份有限公司 检测方法、检测设备和检测系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116684724B (zh) * 2023-05-19 2024-04-09 中科慧远视觉技术（洛阳）有限公司 工件图像采集控制方法、装置、工件检测设备和存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1008003B (zh) * 1985-04-01 1990-05-16 欧文斯-伊利诺衣公司 透明物体中折光缺陷的检测系统
JP3757694B2 (ja) * 1999-08-25 2006-03-22 トヨタ自動車株式会社 表面欠陥検査方法
US6930772B2 (en) * 2001-07-05 2005-08-16 Nippon Sheet Glass Company, Limited Method and device for inspecting defect of sheet-shaped transparent body
JP4183492B2 (ja) * 2002-11-27 2008-11-19 株式会社日立製作所 欠陥検査装置および欠陥検査方法
JP4988224B2 (ja) * 2006-03-01 2012-08-01 株式会社日立ハイテクノロジーズ 欠陥検査方法及びその装置
US20100028567A1 (en) * 2006-12-14 2010-02-04 Hidemi Suizu Glass sheet defect detection device, glass sheet manufacturing method, glass sheet, glass sheet quality judging device, and glass sheet inspection method
US8401272B2 (en) * 2007-08-02 2013-03-19 Asti Holdings Limited Patterned wafer defect inspection system and method
JP5281815B2 (ja) * 2008-03-21 2013-09-04 富士フイルム株式会社 光学デバイス欠陥検査方法及び光学デバイス欠陥検査装置
JP5259669B2 (ja) * 2010-09-27 2013-08-07 株式会社日立ハイテクノロジーズ 欠陥検査装置及び欠陥検査方法
CN104465430B (zh) * 2013-09-18 2017-06-09 友丰贸易有限公司 检测晶圆上的晶粒的方法
CN109816644B (zh) * 2019-01-16 2022-11-25 大连理工大学 一种基于多角度光源影像的轴承缺陷自动检测系统
CN111390702B (zh) * 2020-05-29 2020-09-08 眉山博雅新材料有限公司 一种晶体光学元器件加工方法
CN112748120B (zh) * 2020-12-29 2023-03-14 中国联合网络通信集团有限公司 缺陷检测系统及方法、装置、设备和存储介质
JP2022157721A (ja) * 2021-03-31 2022-10-14 日本ゼオン株式会社 シート表面の異物検査方法
CN216013197U (zh) * 2021-08-30 2022-03-11 甘肃旭康材料科技有限公司 药用玻璃管多功能检测装置
CN116609342A (zh) * 2023-01-31 2023-08-18 眉山博雅新材料股份有限公司 一种工件缺陷检测方法和系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024160208A1 (zh) * 2023-01-31 2024-08-08 眉山博雅新材料股份有限公司 检测方法、检测设备和检测系统
CN118334039A (zh) * 2024-06-17 2024-07-12 成都飞机工业（集团）有限责任公司 一种流挂识别方法及系统
CN118334039B (zh) * 2024-06-17 2024-09-10 成都飞机工业（集团）有限责任公司 一种流挂识别方法及系统

Also Published As

Publication number Publication date
CN115876784A (zh) 2023-03-31
CN115876784B (zh) 2023-05-26
WO2024160208A1 (zh) 2024-08-08

Similar Documents

Publication Publication Date Title
CN115876784B (zh) 一种工件缺陷检测方法、系统和设备
US9151694B2 (en) System and method of high resolution fiber optic inspection
TW476847B (en) Dark view inspection system for transparent media
Rosati et al. Real-time defect detection on highly reflective curved surfaces
WO1999004249A1 (fr) Procede de verification de l'inegalite d'une substance emettrice de lumiere, dispositif concu a cet effet, et procede de triage de substrats transparents
CN110579477B (zh) 自动修复系统的缺陷检测装置及方法
JP2018025439A (ja) 外観検査方法および外観検査装置
CN114280075B (zh) 一种管类零件表面缺陷在线视觉检测系统及检测方法
JP2009097977A (ja) 外観検査装置
US20230020684A1 (en) Laser based inclusion detection system and methods
WO2022262133A1 (zh) 一种透明介质污渍位置检测方法及装置
KR20140122938A (ko) 패널 검사 방법 및 장치
Pan et al. Comprehensive defect-detection method for a small-sized curved optical lens
JPS63165738A (ja) 透明基板用欠陥検査装置
JP3231592B2 (ja) 光学部材検査装置
Kmec et al. Optical noncontact method to detect amplitude defects of polymeric objects
JP2004117290A (ja) 周期性パターンの検査方法及び装置
JPH04223262A (ja) 蛍光磁粉探傷における画像処理方法
JP2020126050A (ja) プラスチック光ファイバのコア径計測方法およびそれに用いるプラスチック光ファイバのコア径計測装置、プラスチック光ファイバの欠陥検出方法およびそれに用いるプラスチック光ファイバの欠陥検出装置
CN114428412B (zh) 影像辨识装置以及影像辨识方法
JP3559392B2 (ja) 光学部材検査装置
KR20110005758A (ko) 엘시디 칼라필터 표면이물자동검사장비 및 분류 리페어 적재 장비발명
Zheng et al. Real-time batch inspection system for surface defects on circular optical filters
JP7532206B2 (ja) 画像認識方法、画像認識装置、検査方法、検査装置、プログラム、記録媒体
JP7541889B2 (ja) 検査装置、検査方法、プログラム及び記録媒体

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