【技术实现步骤摘要】
本专利技术涉及微纳制造，具体而言，涉及一种基于光学-afm融合的光学元件表面微纳级目标点高效检测方法及系统。
技术介绍
1、聚变能是目前公认的最理想的清洁能源，也是解决未来能源危机的关键途径。以强激光作为驱动方式的惯性约束聚变技术是现阶段主流的聚变点火方式。目前，巨型激光装置中安装有大量高质量的大口径光学元件以实现强激光能量的传输、聚焦、转换等，如楔形透镜、等离子体电光开关等。这些光学元件的原材料主要包括熔石英、磷酸二氢钾晶体等，属于硬脆或软脆难加工材料。由于目前制造工艺水平的限制，超精密加工后的光学元件表面会残留微纳级别的表面损伤，类型包括划痕、凹坑、凸点等。此外，光学元件表面在生产使用过程中可能会吸附大量的污染物。在经历强激光辐照时，这些缺陷点会剧烈吸收激光能量造成激光损伤，而后这些损伤点尺寸会随着激光辐照次数的增加迅速增长直至元件报废。目前，光学元件表面激光诱导损伤已成为限制巨型激光装置输出能力的瓶颈难题。但是，大口径光学元件表面微纳级目标点(缺陷、污染物等)不仅形态复杂而且数量庞大，为其高效快速地超精密检测与修复带来了巨大挑战。
2、美国的劳伦斯利弗莫尔实验室(llnl)通过光学元件“循环战略”在线监测光学元件表面尺寸范围在50μm以上的缺陷情况，并及时对其进行微修复处理，进而大幅度提高了光学元件的抗激光损伤能力，使nif装置能稳定输出1.8mj，500tw的激光能量，甚至能输出2.05mj的紫外激光能量打靶产生3.15mj的聚变能，实现实验室聚变点火，代表了目前激光驱动惯性约束聚变技术的最高成就。然而，为了
3、基于扫描拍照的光学元件检测方式，由于光学衍射极限的存在，限制了其检测精度。原子力显微镜(afm)在纳米级目标点上表现出极高的检测精度，能够准确获得光学元件表面纳米级缺陷的详细特征信息，为其超精密检测提供了技术手段。但是，afm的检测效率极低，单个目标点的检测耗时较长。此外，大口径光学元件尺寸大，表面微纳级目标点数量庞大且分布随机，依靠afm自带镜头视场很难准确定位到目标点位置。因此，若光学元件表面所有的微纳目标点均采用afm检测，会导致其检测效率极低，进而无法应用于大口径光学元件表面微纳缺陷的高效超精密检测中。
技术实现思路
1、本专利技术要解决的技术问题是：
2、现有的检测技术中afm检测效率过低，难以满足大口径光学元件表面数量庞大的微纳缺陷的检测需求。
3、本专利技术为解决上述技术问题所采用的技术方案：
4、本专利技术提供了一种基于光学-afm融合的光学元件表面微纳级目标点高效检测方法，包括如下步骤：
5、步骤一、通过光学显微镜获取光学元件表面的子口径图像，对子口径图像进行拼接得到全口径图像；
6、步骤二、根据全口径图像梯度提取目标点最小外接矩形，获得目标点在全口径图像的位置信息，及形态信息与形状信息，对目标点的缺陷类型、是否为污染物及尺寸范围进行分类；
7、步骤三、根据目标点的位置信息、形态信息与形状信息，及对应的缺陷类型、是否为污染物及尺寸范围分类信息，构建基于卷积神经网络的目标点分类模型，实现对不同尺寸范围的缺陷类型的分类，以及污染物的辨识；
8、步骤四、根据分类精度和afm检测耗时设定afm检测目标点的尺寸阈值，对需要进行afm超精密检测目标点进行筛选；
9、步骤五、根据筛选的afm超精密检测目标点位置信息规划afm扫描路径，对相应的目标点进行afm超精密扫描检测。
10、进一步地，步骤一中所述光学显微镜的分辨率为5120×5120，镜头为变倍镜头，并设置4.5倍目镜和2倍物镜，对光学元件表面的子口径图像进行获取。
11、进一步地，步骤一中所述通过光学显微镜获取光学元件表面的子口径图像，子口径图像设置重叠区域以保证图像的有效拼接。
12、进一步地，步骤一中所述对子口径图像进行拼接，采用自适应阈值分割方法对子口径图像进行阈值分割，针对图像中的每一个像素点求解阈值，以避免因为照明条件和背景原因丢失特征点，采用surf算法提取阈值分割结果的特征点，对特征点进行检测、定位、方向识别和描述，采用flann算法计算各特征点的匹配率，进行特征点匹配，在此基础上使用限制单个特征点的特征匹配对与ransac算法剔除不可靠匹配点，提高特征点匹配率，最后对子口径图像进行拼接。
13、进一步地，步骤二中所述的根据全口径图像梯度提取目标点最小外接矩形，包括边缘提取、形态学处理、最小面积外接矩形计算和轮廓聚类四个步骤；其中，边缘提取时，确定图像梯度较大的位置为目标点边缘位置，然后针对边缘提取出现的边缘断点与错检现象进行形态学处理，使用开运算去除错检情况，再使用闭运算进行边缘连接，获取完整轮廓，接着针对获得的完整轮廓提取其最小面积外接矩形，最后通过轮廓聚类将距离相近的多个轮廓归为一类得到最终检测轮廓最小外接矩形。
14、进一步地，步骤二中所述的形态信息是指目标点最小外接矩形与水平方向所成角度，所述的形状信息是目标点外接矩形的长宽比。
15、进一步地，步骤三中所述的基于卷积神经网络的目标点分类模型，以efficientnet-b4作为骨干网络，并采用迁移学习方法对模型进行训练。
16、进一步地，步骤四中，针对光学元件表面0.5～50μm微纳级目标点进行检测时，设定afm检测目标点的尺寸阈值为20μm，即对尺寸范围为不大于20μm且不是污染物的目标点进行afm超精密检测。
17、进一步地，步骤五中采用蚁群算法对afm扫描路径进行规划，为适应任意afm扫描起点，选取的蚂蚁数量大于目标点数量，然后使蚂蚁遍历所有筛选的afm超精密检测目标点，逐步迭代直至最优路径长度趋于稳定，得到afm全局最优扫描路径。
18、一种基于光学-afm融合的光学元件表面微纳级目标点高效检测系统，该系统具有与上述技术方案任一项技术方案的步骤对应的程序模块，运行时执行上述的基于光学-afm融合的光学元件表面微纳级目标点高效检测方法方法中的步骤。
19、相较于现有技术，本专利技术的有益效果是：
20、本专利技术一种基于光学-afm融合的光学元件表面微纳级目标点高效检测方法及系统，通过双工位系统将光学检测与afm检测融合，根据光学元件表面微纳目标点的特征设计分类策略，对光学元件表面微纳目标点分类，排除可以通过光学精确检测的目标点以及污染物，实现微纳级目标点的超精密检测效率的提升。同时，为afm超精密检测提供光学元件表面微纳级目标点的位置信息并规划路径，进一步提高了afm检测效率。
本文档来自技高网...【技术保护点】
1.一种基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤一中所述光学显微镜的分辨率为5120×5120，镜头为变倍镜头，并设置4.5倍目镜和2倍物镜，对光学元件表面的子口径图像进行获取。
3.根据权利要求1所述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤一中所述通过光学显微镜获取光学元件表面的子口径图像，子口径图像设置重叠区域以保证图像的有效拼接。
4.根据权利要求3所述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤一中所述对子口径图像进行拼接，采用自适应阈值分割方法对子口径图像进行阈值分割，针对图像中的每一个像素点求解阈值，以避免因为照明条件和背景原因丢失特征点，采用SURF算法提取阈值分割结果的特征点，对特征点进行检测、定位、方向识别和描述，采用FLANN算法计算各特征点的匹配率，进行特征点匹配，在此基础上使用限制单个特征点的特征匹配对与
5.根据权利要求1所述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤二中所述的根据全口径图像梯度提取目标点最小外接矩形，包括边缘提取、形态学处理、最小面积外接矩形计算和轮廓聚类四个步骤；其中，边缘提取时，确定图像梯度较大的位置为目标点边缘位置，然后针对边缘提取出现的边缘断点与错检现象进行形态学处理，使用开运算去除错检情况，再使用闭运算进行边缘连接，获取完整轮廓，接着针对获得的完整轮廓提取其最小面积外接矩形，最后通过轮廓聚类将距离相近的多个轮廓归为一类得到最终检测轮廓最小外接矩形。
6.根据权利要求5所述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤二中所述的形态信息是指目标点最小外接矩形与水平方向所成角度，所述的形状信息是目标点外接矩形的长宽比。
7.根据权利要求1所述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤三中所述的基于卷积神经网络的目标点分类模型，以EfficientNet-B4作为骨干网络，并采用迁移学习方法对模型进行训练。
8.根据权利要求1所述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤四中，针对光学元件表面0.5～50μm微纳级目标点进行检测时，设定AFM检测目标点的尺寸阈值为20μm，即对尺寸范围为不大于20μm且不是污染物的目标点进行AFM超精密检测。
9.根据权利要求1所述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤五中采用蚁群算法对AFM扫描路径进行规划，为适应任意AFM扫描起点，选取的蚂蚁数量大于目标点数量，然后使蚂蚁遍历所有筛选的AFM超精密检测目标点，逐步迭代直至最优路径长度趋于稳定，得到AFM全局最优扫描路径。
10.一种基于光学-AFM融合的光学元件表面微纳级目标点高效检测系统，其特征在于，该系统具有与上述权利要求1～9任一项权利要求的步骤对应的程序模块，运行时执行上述的基于光学-AFM融合的光学元件表面微纳级目标点高效检测方法方法中的步骤。
...【技术特征摘要】
1.一种基于光学-afm融合的光学元件表面微纳级目标点高效检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于光学-afm融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤一中所述光学显微镜的分辨率为5120×5120，镜头为变倍镜头，并设置4.5倍目镜和2倍物镜，对光学元件表面的子口径图像进行获取。
3.根据权利要求1所述的基于光学-afm融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤一中所述通过光学显微镜获取光学元件表面的子口径图像，子口径图像设置重叠区域以保证图像的有效拼接。
4.根据权利要求3所述的基于光学-afm融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤一中所述对子口径图像进行拼接，采用自适应阈值分割方法对子口径图像进行阈值分割，针对图像中的每一个像素点求解阈值，以避免因为照明条件和背景原因丢失特征点，采用surf算法提取阈值分割结果的特征点，对特征点进行检测、定位、方向识别和描述，采用flann算法计算各特征点的匹配率，进行特征点匹配，在此基础上使用限制单个特征点的特征匹配对与ransac算法剔除不可靠匹配点，提高特征点匹配率，最后对子口径图像进行拼接。
5.根据权利要求1所述的基于光学-afm融合的光学元件表面微纳级目标点高效检测方法，其特征在于，步骤二中所述的根据全口径图像梯度提取目标点最小外接矩形，包括边缘提取、形态学处理、最小面积外接矩形计算和轮廓聚类四个步骤；其中，边缘提取时，确定图像梯度较大的位置为目标点边缘位置，然后针对边缘提取出现的边缘断点与错检现象进行形态学处理，使用开运算去除错检情况，再使用闭运算进行...
【专利技术属性】
技术研发人员：程健，陈广，赵林杰，陈明君，侯家锟，徐文才，丁雯钰，雷鸿钦，
申请(专利权)人：哈尔滨工业大学，
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。