检测至少一个光纤的至少一个端面上的表面缺陷的装置制造方法及图纸

本发明专利技术涉及一种检测光纤(14)的端面(16)上的表面缺陷(62

【技术实现步骤摘要】
检测至少一个光纤的至少一个端面上的表面缺陷的装置


[0001]本专利技术涉及一种使得能够检测存在于一个或多个光纤的至少一个端面(terminal surface)上的表面缺陷的装置。
[0002]通常，本专利技术旨在检测在集成在连接器中的一个或多个端面上存在的划痕、孔或碎屑，使得操作者可以表征连接器例如与IEC 61300
‑3‑
35:2015标准的符合性。实际上，该标准要求操作者在该操作者可以指示连接器是否符合之前确定集成在连接器中的端面的表面缺陷的确切位置和尺寸。本专利技术也可以实现为表征没有集成在连接器中的光纤的端面的符合性。
[0003]本专利技术更具体地涉及借助于数字显微镜检测一个或多个端面上的表面缺陷，该数字显微镜的图像由神经网络处理。因此，本领域技术人员了解神经网络及其实现和训练方法。

技术介绍

[0004]基于光纤的通信技术的发展已经对光纤之间的连接产生了越来越严格的约束。为了在两个光纤之间形成高质量的连接，在将两个光纤的端面彼此压在一起之前，应保持它们清洁和完整。
[0005]根据本专利技术，光纤的端面对应于当光纤被切割然后对其末端抛光时产生的表面。现在，当光纤被抛光时，划痕、孔或碎屑类型的表面缺陷可能形成或沉积在端面上，并且在光纤连接处的光信号传输中产生干扰。
[0006]这些干扰可能在两个光纤之间的连接期间产生信号丢失或者产生寄生光信号的反射。
[0007]随着注入光纤的光通量的光谱带宽的增加，特别是随着光纤复用技术的发展，对端面清洁度的需求也增加。因此，光纤连接器的制造通常强制实行通过显微镜检查各个光纤，并且如果在该端面上检测到表面缺陷，则清洁或再抛光端面。光纤连接器的质量控制的该过程在文献US 6,751,017、US 7,312,859、US 7,336,884和US 5,179,419中被更广泛地公开。
[0008]由于表面缺陷难以看到，所以使用双目显微镜来检测光纤端面的表面缺陷通常是不够的。为了使操作者能够表征集成了一个或多个光纤的连接器例如与IEC 61300
‑3‑
35:2015标准的符合性，常规使用与使得能够展现表面缺陷的图像处理解决方案相关联的数字显微镜，如文献US 2019/0339456所述。
[0009]图像处理解决方案例如在Mei,Shuang&Wang,Yudan&Wen,Guojun&Hu,Yang的公报(2018年)“Automated Inspection of Defects in Optical Fiber Connector End Face Using Novel Morphology Approaches”，Sensors.18.1408.10.3390/s18051408中描述。
[0010]这些解决方案使用使得能够提取表面缺陷的连续图像处理步骤：卷积核过滤、通过阈值化进行背景分离、轮廓检测、直方图阈值化、形态数学......
[0011]为了改善由操作者执行的表征，期望增加由图像处理装置检测到的表面缺陷的相
关性。
[0012]在其他领域，已知借助于神经网络来检测图像上的显著元素。然而，神经网络常规上需要训练阶段，其中，神经网络的不同神经元的权重被修改。
[0013]因此，已经经历了具有联系到特定应用的大量参考图像的训练阶段的神经网络能够检测对应于相同应用的新图像的显著元素。
[0014]光纤端面上的表面缺陷的检测是非常特定的市场，并且不存在能够提供足以用常规神经网络进行高效训练阶段的参考图像的足够完整的数据库。
[0015]因此，考虑到检测难以用肉眼看到的显著元素的困难和少量的现有参考图像，当前实现的图像处理解决方案具有比常规神经网络更高的性能。在本专利技术的情况下，已经测试了大量不同的神经网络，这些神经网络没有成功地具有比常规图像处理解决方案更高的性能：特别是PSPnet或LinkNet型神经网络，尽管它们似乎非常有前景。DeepLab型神经网络使得能够获得可接受的性能，但是其处理时间与在光纤质量控制的情况下行动的操作者的快速性要求不相容。
[0016]因此，本专利技术的技术问题是获得一种借助于神经网络检测至少一个光纤的至少一个端面上的表面缺陷的装置，该装置使得能够高效且快速地检测非常难以看到的表面缺陷并且能够用少量参考图像训练。

技术实现思路

[0017]本专利技术的目的在于借助于一种通常用于医学领域的称为U
‑
Net的特定神经网络结构来解决该技术问题。与所有期望相反，当该神经网络由特别配置成执行参考图像的翻转、旋转和/或亮度、对比度或阴影变化的图像增强器训练时，该U
‑
Net类型神经网络具有比常规图像处理解决方案高得多的性能。
[0018]U
‑
Net神经网络具体在Ronneberger,O.,Fischer,P.,&Brox,T.
’
s scientific publication(2015年):“U
‑
Net：Convolutional Networks for Biomedical Image Segmentation”,ArXiv,abs/1505.04597中进行了描述。
[0019]然而，该U
‑
Net神经网络已经被开发用于医学应用，并且参考图像的提倡的变形与生物组织的可能变形相联系。
[0020]现在，不可以通过遵循该生物组织变形模型来使光纤的端面的图像变形以获得一致的结果。实际上，生物组织可以在一个方向或另一个方向上拉伸，而光纤总是具有恒定的直径。因此，如果本领域技术人员将该U
‑
Net神经网络与该科学出版物中描述的增强器一起使用，则它们无法获得光纤端面的一致结果，因为在生物组织上使用的变形无法转移到光纤的端面。因此，该U
‑
Net神经网络的训练阶段将在其检测中提供大量的不准确性。
[0021]因此，本专利技术基于一种观察，根据该观察，使用图像增强器使得能够提高在至少一个光纤的至少一个端面上检测到的表面缺陷的相关性，该图像增强器被特别校准以利用U
‑
Net神经网络执行参考图像的翻转、旋转和/或亮度、对比度或阴影变化。
[0022]为此，本专利技术涉及一种检测至少一个光纤的至少一个端面上的表面缺陷的装置，所述装置包括：
[0023]‑
数字显微镜，该数字显微镜被配置为捕获所述至少一个端面的图像；和
[0024]‑
用于分析所述图像的装置，该装置被配置为检测存在于所述至少一个端面上的
表面缺陷。
[0025]本专利技术的特征在于，所述分析装置集成了“U
‑
Net”型神经网络，该“U
‑
Net”型神经网络使其训练阶段经由增强器来执行；所述增强器被配置为基于参考图像创建旨在训练所述神经网络的训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测至少一个光纤(14)的至少一个端面(16)上的表面缺陷(62
‑
65)的装置(10)，所述装置包括：
‑
数字显微镜(15)，所述数字显微镜(15)被配置为捕获所述至少一个端面(16)的图像(img1)；以及
‑
用于分析所述图像(img1)的装置(25)，所述装置(25)被配置为检测存在于所述至少一个端面(16)上的表面缺陷(62
‑
65)；其特征在于，所述分析装置(25)集成“U
‑
Net”型神经网络(26)，所述“U
‑
Net”型神经网络(26)使其训练阶段经由增强器(52)执行；所述增强器(52)被配置为基于参考图像(iref)创建旨在训练所述神经网络(26)的训练图像(iref
’
)；所述训练图像(iref
’
)通过仅对所述参考图像(iref)施加翻转、旋转和/或亮度、对比度或阴影变化而从所述参考图像(iref)获得。2.根据权利要求1所述的表面缺陷检测装置，其特征在于，一个或多个光纤(14)被聚集在连接器(13)中，所述数字显微镜(15)被配置为在所述连接器(13)的水平上捕获所述光纤(14)的所述端面(16)的图像；并且所述分析装置(25)被配置为隔离所述光纤(14)的所述端面(16)。3.根据权利要求1或2所述的表面缺陷检测装置，其特征在于，所述“U
‑
Net”型神经网络(26)包括收缩路径(35)和扩张...

【专利技术属性】
技术研发人员：扬妮克，
申请(专利权)人：数据像素公司，
类型：发明
国别省市：