适用于智能工业监测的光学元件缺陷识别技术

作者：郑代福; 周田; 曾志平; 黄衍堂; 许灿华^*

来源：实验室研究与探索, 2022, 41(11): 13-22.

DOI：10.19927/j.cnki.syyt.2022.11.003

• 光学元件
• 缺陷检测
• 偏振成像
• 卷积神经网络

为提高光学元件缺陷检测的效率和准确率，提出了一种基于偏振成像与卷积神经网络算法相结合的光学元件缺陷检测方法。通过分焦平面偏振相机与暗场成像方法相结合，降低高光现象对成像质量的影响，实现了结构紧凑、实时测量、成像质量高的光学元件成像光路；同时引入LeNet-5卷积神经网络进行光学元件缺陷识别，通过采用线性修正单元、多尺度卷积和卷积通道拓展等优化方法，减小网络过拟合、提高网络缺陷识别能力。经试验对比，改进型LeNet-5识别算法不需要对偏振图像进行预处理，对光学元件缺陷的识别准确率可达96.7%,并且运行速度和内存占用相比SqueezeNet网络模型存在明显优势。