基于图像处理的光学元件表面瑕疵自动识别研究
殷稷琛 肖亚兮

湖南科技大学，湖南湘潭，411201；

摘要：光学元件表面划痕、麻点、气泡、崩边及镀膜异常，会改变局部灰度、边缘轮廓和散射特征，进而影响成像质量、装配可靠性和质量判级。围绕表面瑕疵自动识别需求，文章从图像特征表征、瑕疵区域提取、类型判别和应用优化4个层面展开分析，提出以稳定成像为前提、以图像预处理为基础、以区域分割和特征提取为核心、以质量判级衔接为落点的识别思路。光源配置、灰度校正、噪声抑制、边缘提取、连通域分析和规则特征判定共同构成检测链条，可提升微小瑕疵识别的稳定性和结果解释力，为光学元件表面质量控制提供可执行路径。

关键词：图像处理；光学元件；表面瑕疵；自动识别；质量判级

参考文献

[1]冯琰,敬娟,王雯,等.光学元件表面疵病视觉检测与评价方法研究[J].光学与光电技术,2024,22(5):79-87.

[2]邵延华,忻晨,楚红雨.基于深度学习的小样本光学元件表面瑕疵识别[J].强激光与粒子束,2025,37(12):5-12.

[3]徐顺琴,杨利红,付秦月,等.双光源下光学镜片表面疵病视觉检测方法[J].激光与光电子学进展,2024,61(10):245-251.

[4]陈晓辉,王鑫森,段亚凡.光学元件微缺陷偏振检测的图像处理方法研究[J].光学仪器,2024,46(5):24-30.

[5]张静,刘思莹,王甜,等.基于深度学习的光学元件表面缺陷检测方法[J].光学与光电技术,2025,23(2):46-55.