Image classification of optical element surface defects based on convolutional neural network

Abstract

Listen

Translate article

光学元件的表面疵病，即表面缺陷，其形状的大小会直接影响光学系统的性能，在对表面缺陷进行分类时，所面对的很多表面缺陷的形状都是不规则的，依靠普通的模式识别技术，分类很难达到预期的效果。为解决精密光学元件表面缺陷分类方法中精度低、耗时长的问题，提出了基于卷积神经网络的精密光学元件表面缺陷分类方法。采用散射法获取表面缺陷图像,分析其成像特点，通过对图像进行旋转，镜像扩增了数据集，加强了网络的训练能力。使用AC训练网络模型，在不增加额外计算量的同时加强了网络的特征获取力。通过Softmax分类器，将精密光学元件表面缺陷分为划痕、麻点及噪点3类。实验结果表明，所使用的模型对缺陷分类精度超过99.05%。