本公开提供一种照明均匀性像素化补偿方法及装置，方法包括：获取目标均匀性照明场光强分布图像；基于反演模型对目标均匀性照明场光强分布图像进行反演，得到第一数字微镜调控图像；将第一数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，以对照明系统进行像素化补偿。该方法及装置实现了照明场光强分布的实时补偿，保证长时间稳定地维持照明系统输出的照明场光强分布均匀性。输出的照明场光强分布均匀性。输出的照明场光强分布均匀性。
【技术实现步骤摘要】
照明均匀性像素化补偿方法及装置
[0001]本公开涉及照明光场调控
，尤其涉及一种照明均匀性像素化补偿方法及装置。
技术介绍
[0002]目前，在一些精密加工领域，对于一定面积的照明场内光照强度分布的均匀性有非常高的要求，所用照明光源从产生开始需要经过一系列复杂的光场调控处理，再通过在照明场内进行光照强度分布的检测以判断是否满足最终所需的非均匀性指标。
[0003]然而，在照明系统正常使用的过程中，随着使用时长的增加，不可避免的会产生一些变化导致照明均匀性发生改变，其中，既存在系统硬件层面的变化(比如光学元件的热形变、表面镀膜的损耗等)，也存在环境条件层面的变化(比如温湿度、气压、颗粒状态等)。
[0004]一般而言，对于上述环境条件的变化相对容易实时监测和控制，但系统硬件层面的变化往往比较隐蔽且连续，在引发照明均匀性发生改变时，其表现存在一定的累积阈值，除了某些突发情况导致关键器件直接无法正常使用，通常在达到阈值之前，无法从加工产品的结果中直观的检测出这种变化，即便在定期检测中加入了有关照明均匀性检测的项目，对于系统正在发生的某种变化，其累积的程度也无法及时做出判断，且不同原因导致的变化，其累积的速度也是不尽相同的。另外，由于，目标物体会与图像传感器间产生遮挡在使用照明系统对目标物体进行照明时，无法实时的进行照明场的均匀性检测。
技术实现思路
[0005]针对上述技术问题，本公开提供一种照明均匀性像素化补偿方法及装置，用于至少部分解决现有技术中由于系统硬件层面的变化，使得无法实时的进行照明场的均匀性检测并进行补偿的技术问题。
[0006]基于此，本公开第一方面提供一种照明均匀性像素化补偿方法，包括：获取目标均匀性照明场光强分布图像；基于反演模型对目标均匀性照明场光强分布图像进行反演，得到第一数字微镜调控图像；将第一数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，以对照明系统的照明均匀性进行像素化补偿。
[0007]根据本公开的实施例，照明均匀性像素化补偿方法还包括：采集调控后的实际照明场光强分布图像；计算目标均匀性照明场光强分布图像与实际照明场光强分布图像之间的第一光强偏差；根据第一光强偏差确定反演模型的有效性。
[0008]根据本公开的实施例，获取目标均匀性照明场光强分布包括：基于函数和编程生成目标均匀性照明场光强分布图像。
[0009]根据本公开的实施例，计算目标均匀性照明场光强分布图像与实际照明场光强分布图像之间的第一光强偏差包括：根据
[0010][0011]计算第一光强偏差δ，其中，I
g
为目标均匀性照明场光强分布图像中像素对应的光强，I
f
为实际照明场光强分布图像中像素对应的光强。
[0012]根据本公开的实施例，照明均匀性像素化补偿方法还包括：以照明场光强分布图像为输入，数字微镜调控图像为输出，构建神经网络模型；对神经网络模型进行训练，得到反演模型。
[0013]根据本公开的实施例，对神经网络模型进行训练，得到反演模型包括：获取样本数据集，其中，样本数据集包括多组一一对应的第二数字微镜调控图像和第一照明场光强分布图像；将样本数据集随机打乱顺序后划分为训练集、验证集和测试集；采用训练集对神经网络模型进行训练；根据验证集计算训练后的神经网络模型的第一精度，根据测试集计算训练后的神经网络模型的第二精度；确定满足预设条件的第一精度和第二精度对应的训练后的神经网络模型为反演模型。
[0014]根据本公开的实施例，根据验证集计算训练后的神经网络模型的第一精度包括：基于训练后的神经网络模型，对验证集中的第一照明场光强分布图像进行反演，得到第三数字微镜调控图像；将第三数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，采集调控后的第二照明场光强分布图像；计算验证集中多张第二数字微镜调控图像对应的第一照明场光强分布图像与第二照明场光强分布图像之间的第二光强偏差，确定最大的第二光强偏差作为第一精度。
[0015]根据本公开的实施例，根据测试集计算训练后的神经网络模型的第二精度包括：基于训练后的神经网络模型，对测试集中的第一照明场光强分布图像进行反演，得到第四数字微镜调控图像；将第四数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，采集调控后的第三照明场光强分布图像；计算测试集中多张第二数字微镜调控图像对应的第一照明场光强分布图像与第三照明场光强分布图像之间的第三光强偏差，确定最大的第三光强偏差作为第二精度。
[0016]根据本公开的实施例，第一精度和第二精度满足预设条件包括：最大的第二光强偏差和最大的第三光强偏差均不大于光强偏差阈值，并且最大的第二光强偏差与最大的第三光强偏差之间差值的绝对值小于预设值。
[0017]根据本公开的实施例，根据第一光强偏差确定反演模型的有效性包括：在第一光强偏差不大于光强偏差阈值的情况下，控制照明系统以当前状态照明；在第一光强偏差大于光强偏差阈值的情况下，基于反演模型对实际照明场光强分布图像进行反演，得到第五数字微镜调控图像，将第五数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，采集调控后的第四照明场光强分布图像；计算实际照明场光强分布图像与第四照明场光强分布图像之间的第四光强偏差；根据第四光强偏差确定反演模型的有效性。
[0018]根据本公开的实施例，照明均匀性像素化补偿方法还包括：在第四光强偏差大于光强偏差阈值的情况下，确定反演模型失效，并对神经网络模型进行重新训练。
[0019]本公开第二方面提供一种照明均匀性像素化补偿装置，包括：上位机，用于生成目标均匀性照明场光强分布图像，构建反演模型，并基于反演模型对目标均匀性照明场光强分布图像进行反演，得到第一数字微镜调控图像；数字投影模块，用于将第一数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，以对照明系统的照明均匀性进行像素化补偿；照明均匀性检测模块，用于采集调控后的实际照明场光强分布图像；上位机还用于计
算目标均匀性照明场光强分布图像与实际照明场光强分布图像之间的第一光强偏差，以及根据第一光强偏差确定反演模型的有效性。
[0020]根据本公开实施例提供的照明均匀性像素化补偿方法及装置，至少包括以下有益效果：
[0021]通过在照明系统中引入数字投影系统，基于深度学习构建的反演模型对均匀性照明光强分布反向推演输入端的数字调控图像，再输入数字投影系统对照明系统进行光场调控，以对照明系统的照明均匀性进行像素化补偿，能够在使用照明系统对目标物体进行照明时，实时对照明场的均匀性进行补偿，保证长时间稳定的维持照明系统输出的照明场光强分布均匀性。
[0022]进一步地，实时采集调控后的实际照明场光强分布图像，并与目标均匀性照明场光强分布图像对比确定反演模型的有效性，能够确定照明系统的不均匀性是否由光源均匀性恶化造成，还是反演模型失效造成，以便评价确定更合适的补偿措施。
[0023]进一步地，基于函数和编程生成目标均匀性照明场光强分布图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种照明均匀性像素化补偿方法，其特征在于，包括：获取目标均匀性照明场光强分布图像；基于反演模型对所述目标均匀性照明场光强分布图像进行反演，得到第一数字微镜调控图像；将所述第一数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，以对所述照明系统的照明均匀性进行像素化补偿。2.根据权利要求1所述的照明均匀性像素化补偿方法，其特征在于，所述照明均匀性像素化补偿方法还包括：采集调控后的实际照明场光强分布图像，计算所述目标均匀性照明场光强分布图像与所述实际照明场光强分布图像之间的第一光强偏差；根据所述第一光强偏差确定所述反演模型的有效性。3.根据权利要求1所述的照明均匀性像素化补偿方法，其特征在于，所述获取目标均匀性照明场光强分布包括：基于函数和编程生成所述目标均匀性照明场光强分布图像。4.根据权利要求2所述的照明均匀性像素化补偿方法，其特征在于，所述计算所述目标均匀性照明场光强分布图像与所述实际照明场光强分布图像之间的第一光强偏差包括：根据计算所述第一光强偏差δ，其中，I
g
为所述目标均匀性照明场光强分布图像中某像素点对应的光强，I
f
为所述实际照明场光强分布图像中该像素点对应的光强。5.根据权利要求2所述的照明均匀性像素化补偿方法，其特征在于，所述照明均匀性像素化补偿方法还包括：以照明场光强分布图像为输入，数字微镜调控图像为输出，构建神经网络模型；对所述神经网络模型进行训练，得到所述反演模型。6.根据权利要求5所述的照明均匀性像素化补偿方法，其特征在于，所述对所述神经网络模型进行训练，得到所述反演模型包括：获取样本数据集，其中，所述样本数据集包括多组一一对应的第二数字微镜调控图像和第一照明场光强分布图像；将所述样本数据集随机打乱顺序后划分为训练集、验证集和测试集；采用所述训练集对所述神经网络模型进行训练；根据所述验证集计算训练后的神经网络模型的第一精度，根据所述测试集计算训练后的神经网络模型的第二精度；确定满足预设条件的所述第一精度和所述第二精度对应的训练后的神经网络模型为所述反演模型。7.根据权利要求6所述的照明均匀性像素化补偿方法，其特征在于，所述根据所述验证集计算训练后的神经网络模型的第一精度包括：基于训练后的神经网络模型，对所述验证集中的第一照明场光强分布图像进行反演，
得到第三数字微镜调控图像；将所述第三数字微镜调控图像输入数字微镜阵列对照明系统进行光场调控，采集调控后的第二照明场光强分布图像；计算所述验证集中多...
【专利技术属性】
技术研发人员：罗先刚，赵立新，何渝，吴斯翰，李奕，张绍宇，邵洪禹，成小龙，
申请(专利权)人：中国科学院光电技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。