CN117405686B - 结合激光干涉成像的缺陷检测方法及系统 - Google Patents

Abstract

本发明提供了结合激光干涉成像的缺陷检测方法及系统，涉及缺陷检测技术领域，该方法包括：获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息；通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息；对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据；得到目标缺陷检测结果，解决了现有技术中在对各器件进行缺陷检测时，无法智能化进行全方位的缺陷检测，同时缺乏对器件缺陷的有效评估，导致缺陷检测结果不准确的技术问题，本发明达到了提升缺陷检测的准确度的效果。

Description

结合激光干涉成像的缺陷检测方法及系统

技术领域

本发明涉及缺陷检测技术领域，具体涉及结合激光干涉成像的缺陷检测方法及系统。

背景技术

随着科技的高速发展，缺陷检测技术发展迅速，随着检测需求的变化，逐步由人工发展到机器自动化检测，随之又出现了无损检测、无接触检测等，在无接触检测领域中，激光干涉成像已经在品质检测、发动机研究、航空制造等多个行业得到广泛运用和发展。现有技术中，利用激光干涉进行缺陷检测时，大多直接通过激光干涉仪输出待检物体的尺寸、形状等信息，没有对激光干涉仪检测出的尺寸、形状、光谱等数据进行详细分析，进而导致缺陷检测结果不准确。

综上，现有技术中在对各器件进行缺陷检测时，无法智能化对其器件的表面以及内部结构进行全方位的缺陷检测，进一步利用激光干涉仪检测出器件的尺寸、形状、光谱等信息后，无法有效利用数据信息对器件缺陷进行有效评估，最终导致缺陷检测结果不准确的技术问题。

发明内容

本发明提供了结合激光干涉成像的缺陷检测方法及系统，用以解决现有技术中在对各器件进行缺陷检测时，无法智能化对其器件的表面以及内部结构进行全方位的缺陷检测，进一步利用激光干涉仪检测出器件的尺寸、形状、光谱等信息后，无法有效利用数据信息对器件缺陷进行有效评估，最终导致缺陷检测结果不准确的技术问题。

根据本发明的第一方面，提供了结合激光干涉成像的缺陷检测方法，包括：获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息；通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息；对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据；通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果；其中，所述目标缺陷检测结果包括所述目标器件的目标缺陷类型和目标缺陷程度。

根据本发明的第二方面，提供了结合激光干涉成像的缺陷检测系统，包括：标准样本获取模块，所述标准样本获取模块用于获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息；干涉成像分析模块，所述干涉成像分析模块用于通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息；信息对比模块，所述信息对比模块用于对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据；缺陷检测结果获取模块，所述缺陷检测结果获取模块用于通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果；其中，所述目标缺陷检测结果包括所述目标器件的目标缺陷类型和目标缺陷程度。

根据本发明采用的结合激光干涉成像的缺陷检测方法，其可达到的有益效果如下：

1.获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息，通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息，对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据，通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果，达到在不破坏目标器件的情况下，通过干涉成像实现内外部缺陷检测，提升缺陷检测的准确度的技术效果。

2.利用随机采样一致性算法原理构建智能配准融合模型，获得所述多张目标器件图像的点云数据集，并将所述点云数据集作为所述智能配准融合模型的输入信息，得到输出信息，提取所述输出信息中的模型参数估计结果，并基于所述模型参数估计结果得到预设点云模型，根据所述目标结构和所述目标尺寸对所述预设点云模型进行纹理映射，得到纹理贴图结果，将所述纹理贴图结果作为所述目标三维模型，达到提升点云配准的准确度，进而提升目标三维模型的准确度，便于后续对目标三维模型与标准三维模型进行对比，得到更加准确的第一对比数据，提升缺陷检测结果的准确度的技术效果。

3.通过分别绘制所述标准光谱时序的标准光谱曲线图与所述目标光谱时序的目标光谱曲线图，读取第一预定时间，依次提取所述标准光谱曲线图与所述目标光谱曲线图中，所述第一预定时间对应的标准光谱数据与目标光谱数据，获取所述标准光谱数据和所述目标光谱数据的数据差，记作第一偏差，并组成所述第二对比数据，实现对光谱数据的分析，便于从另一个维度进行缺陷检测，达到提升缺陷检测的准确性的技术效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的结合激光干涉成像的缺陷检测方法的流程示意图；

图2为本发明实施例提供的结合激光干涉成像的缺陷检测系统的结构示意图。

附图标记说明：标准样本获取模块11，干涉成像分析模块12，信息对比模块13，缺陷检测结果获取模块14。

具体实施方式

以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

实施例一

图1为本发明实施例提供的结合激光干涉成像的缺陷检测方法图，所述缺陷检测方法应用于缺陷检测系统，所述缺陷检测系统与一激光干涉成像仪通信连接，如图1所示，所述缺陷检测方法包括：

获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息；

上述的缺陷检测系统是用于执行本发明实施例提供的结合激光干涉成像的缺陷检测方法的系统平台，所述缺陷检测系统与一激光干涉成像仪通信连接，激光干涉成像仪，激光干涉成像仪是用激光束来测量物体表面的几何形状和尺寸特性的几何测量仪器，其工作原理是通过发射两束相互垂直的干涉线，其中一束为引射激光束，另一束为参考激光束，把它们对准物体平面，当物体表面有波动时，随着距离的变化，引射激光束发生位移，从而使参考激光束与引射激光束的相位发生变化，从而形成激光干涉图像，再结合光栅尺或者线阵扫描仪的辅助便可以获取物体面的形状、尺寸、光谱等参数的测量信息，激光干涉成像仪通常包括发射激光器、反射镜、振荡器、编码器及扫描仪等结构以及数据输出等电子电路和软件系统。发射激光器发出的激光束经过反射镜和振荡器，形成垂直或水平的引射激光束和参考激光束，然后在物体表面反射干涉，并被传阅到外部扫描仪进行线阵扫描量测，编码器根据测量结果输出数据，便于后续的缺陷检测流程个进行。

目标器件是指待进行缺陷检测的任一类型的器件，比如金属制品、非金属制品、复合材料制品等。获取目标器件的标准样本，标准样本是指合格的、没有缺陷的目标器件对应的干涉成像数据，所述标准样本具备标准空间信息和标准光谱信息，标准空间信息是指目标器件的标准结构和标准尺寸，标准结构可以是合格的目标器具的形状，标准尺寸对标准结构对应，就是目标器具的尺寸，比如长宽高，标准光谱信息是指通过激光干涉成像仪可以得到的光谱信息，包含关于光能或功率在不同波长上分布的信息。可通过激光干涉成像仪对与目标器件同型号的没有缺陷的器件进行分析，以得到的数据作为标准样本，便于后续以标准样本作为参考数据，进行比对分析。

通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息；

通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息，目标空间信息包括目标结构、目标尺寸，目标光谱信息即为光能或功率在不同波长上分布的信息。所述目标干涉信息可通过所述激光干涉成像仪直接获取。

对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据；

所述标准空间信息和所述标准光谱信息均为无缺陷的器件对应的信息，通过对比所述标准空间信息与所述目标空间信息，获得两者的差异作为第一对比数据，对比所述标准光谱信息与所述目标光谱信息，以两者的差异作为第二对比数据。

本发明实施例还包括：

所述目标空间信息包括目标结构、目标尺寸；通过所述智能摄像头对所述目标器件进行图像采集，得到目标器件图像序列，其中，所述目标器件图像序列包括多张目标器件图像；对所述多张目标器件图像进行分析，并结合所述目标结构和所述目标尺寸，构建所述目标器件的目标三维模型；基于所述标准空间信息构建标准三维模型；将所述目标三维模型与所述标准三维模型进行对比，得到所述第一对比数据。

其中，本发明实施例还包括：

利用随机采样一致性算法原理构建智能配准融合模型；获得所述多张目标器件图像的点云数据集，并将所述点云数据集作为所述智能配准融合模型的输入信息，得到输出信息；提取所述输出信息中的模型参数估计结果，并基于所述模型参数估计结果得到预设点云模型；根据所述目标结构和所述目标尺寸对所述预设点云模型进行纹理映射，得到纹理贴图结果；将所述纹理贴图结果作为所述目标三维模型。

其中，本发明实施例还包括：

所述智能配准融合模型从所述点云数据集中随机采样得到第一样本集，并基于所述第一样本集得到第一模型的第一参数估计结果；将所述第一样本集从所述点云数据集中剔除，得到第一非样本集，其中，所述第一非样本集包括多个非样本点云数据；依次计算所述多个非样本点云数据至所述第一模型的距离，并结合预定距离阈值对所述多个非样本点云数据进行筛选，得到第一一致性点集；计算所述第一一致性点集中的第一数据量，并判断所述第一数据量是否满足预定数量阈值；若所述第一数据量满足所述预定数量阈值，获得第一复估指令；根据所述第一复估指令，基于所述第一一致性点集得到所述第一模型的第二参数估计结果；以所述第二参数估计结果代替所述第一参数估计结果，作为所述输出信息。

具体地，对比所述标准空间信息与所述目标空间信息得到第一对比数据的过程如下：所述目标空间信息包括目标结构、目标尺寸，所述激光干涉成像仪上装载有智能摄像头，通过所述智能摄像头对所述目标器件进行多角度的图像采集，得到目标器件图像序列，其中，所述目标器件图像序列包括多张目标器件图像，对所述多张目标器件图像进行分析，并结合所述目标结构和所述目标尺寸，通过现有的三维建模软件，比如3DS Max，构建所述目标器件的目标三维模型。进而基于所述标准空间信息通过现有的三维建模软件构建标准三维模型，标准三维模型即为合格的目标器具对应的三维模型，将所述目标三维模型与所述标准三维模型进行对比，得到所述第一对比数据，所述第一对比数据包括标准三维模型与目标三维模型之间的结构差异和尺寸差异，为后续的缺陷检测提供数据支持。

构建所述目标器件的目标三维模型的过程如下：利用随机采样一致性算法原理构建智能配准融合模型，随机抽样一致算法采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数，是一个非确定性算法，在某种意义上说，它会产生一个在一定概率下合理的结果，而更多次的迭代会使这一概率增加。获得所述多张目标器件图像的点云数据集，并将所述点云数据集作为所述智能配准融合模型的输入信息，得到输出信息，具体过程如下：

所述智能配准融合模型从所述点云数据集中随机采样得到第一样本集，第一样本集包含多个点云数据，并基于所述第一样本集得到第一模型的第一参数估计结果，所述第一模型由本领域技术人员自行设置，比如随机选取所述点云数据集中的3个点云并连接起来，作为第一模型，进而计算第一样本集中的点云与第一模型的距离，可采用最小二乘法获得第一参数估计结果，第一参数估计结果表征第一样本集中的点云的位置信息。进一步将所述第一样本集从所述点云数据集中剔除，以剔除第一样本集的点云数据集作为第一非样本集，其中，所述第一非样本集包括多个非样本点云数据，依次计算所述多个非样本点云数据至所述第一模型的距离，并结合预定距离阈值对所述多个非样本点云数据进行筛选，得到第一一致性点集，简单来说，就是在多个非样本点云数据中筛选出满足预定距离阈值的非样本点云数据，组成第一一致性点集，预定距离阈值由本领域技术人员自行设定，是指可以容错的范围，结合实际情况确定。进而计算所述第一一致性点集中的第一数据量，也就是第一一致性点集中包含的点云数量，并判断所述第一数据量是否满足预定数量阈值，预定数量阈可结合实际情况自行设定，在此不做限制，比如可以第一样本集中的样本数量的三分之二并取整后作为预定数量阈值，就是说，如果第一数据量过小，就没有必要进行重复评估，直接以第一参数估计结果作为输出信息。

若所述第一数据量满足所述预定数量阈值，获得第一复估指令，第一复估指令是指用于对所述第一一致性点集进行参数估计的控制指令，根据所述第一复估指令，采用与获取第一参数估计结果相同的方法，基于所述第一一致性点集得到所述第一模型的第二参数估计结果，以所述第二参数估计结果代替所述第一参数估计结果，作为所述输出信息，达到提升激光点云配准的准确度，保证三维模型的构建准确性。

进一步地，提取所述输出信息中的模型参数估计结果，就是多个点云与第一模型的距离，对多个点云进行位置排列，即可得到预设点云模型，进而根据所述目标结构和所述目标尺寸对所述预设点云模型进行纹理映射，得到纹理贴图结果，通俗地讲，预设点云模型包含不同点云所处的位置，将点云连接起来可以得到一个目标器件的形状模型，需要将所述目标结构和所述目标尺寸渲染到预设点云模型，得到所述纹理贴图结果，将所述纹理贴图结果作为所述目标三维模型，实现目标三维模型的构建，为后续的缺陷检测提供基础数据。

本发明实施例还包括：

所述标准光谱信息包括多个具备时间标识的光谱数据，共同形成标准光谱时序；所述目标光谱信息包括多个具备时间标识的光谱数据，共同形成目标光谱时序；分别绘制所述标准光谱时序的标准光谱曲线图与所述目标光谱时序的目标光谱曲线图；读取第一预定时间；依次提取所述标准光谱曲线图与所述目标光谱曲线图中，所述第一预定时间对应的标准光谱数据与目标光谱数据；获取所述标准光谱数据和所述目标光谱数据的数据差，记作第一偏差，并组成所述第二对比数据。

其中，本发明实施例还包括：

判断所述第一偏差是否满足预定偏差阈值；若是满足，将所述第一偏差添加至所述第二对比数据，若是不满足，获取所述第一预定时间的第一邻域；筛选并匹配所述第一邻域中光谱数据差最大的时间，记作第二预定时间；将所述第二预定时间对应的标准光谱数据与目标光谱数据的数据差记作第二偏差；若所述第二偏差满足所述预定偏差阈值，将其添加至所述第二对比数据。

所述标准光谱信息包括多个具备时间标识的光谱数据，共同形成标准光谱时序，所述目标光谱信息包括多个具备时间标识的光谱数据，共同形成目标光谱时序，标准光谱时序和目标光谱时序具有对应关系，分别绘制所述标准光谱时序的标准光谱曲线图与所述目标光谱时序的目标光谱曲线图，简单来说，就是以时间做为横轴，光谱作为纵轴，绘制获得标准光谱曲线图与目标光谱曲线图。读取第一预定时间，第一预定时间是指上述的时间标识中的任意一个时间，依次提取所述标准光谱曲线图与所述目标光谱曲线图中，所述第一预定时间对应的标准光谱数据与目标光谱数据，获取所述标准光谱数据和所述目标光谱数据的数据差，记作第一偏差，以多个预定时间分别对应的标准光谱数据和目标光谱数据的数据差做为多个第一偏差，组成所述第二对比数据，实现对光谱数据的分析，为缺陷检测提供数据支持。

取所述标准光谱数据和所述目标光谱数据的数据差，记作第一偏差，并组成所述第二对比数据过程如下：首先判断所述第一偏差是否满足预定偏差阈值，预定偏差阈值由本领域技术人员自行设置，就是说，标准光谱数据和目标光谱数据可能会存在一定的偏差，但是较小的偏差是允许的，只要偏差在允许范围内，可认为其无缺陷，基于此，根据实际情况获取不允许存在的光谱偏差范围做为预定偏差阈值。如果第一偏差满足预定偏差阈值，说明目标器件的光谱不符合标准，将所述第一偏差添做为所述第二对比数据；若是不满足，获取所述第一预定时间的第一邻域，第一邻域由与第一时间最接近的时间段内的标准光谱数据和目标光谱数据的光谱数据差组成，比如第一预定时间是1分23秒，可以30秒做为一个邻域范围，以1分08秒至1分38秒的时间段对应的多个光谱数据差组成第一邻域，进而对第一邻域内的多个数据差进行比较判断，得到第一邻域中光谱数据差最大的时间，记作第二预定时间，并将所述第二预定时间对应的标准光谱数据与目标光谱数据的数据差记作第二偏差，进而判断第二偏差是否满足所述预定偏差阈值，若所述第二偏差满足所述预定偏差阈值，将其添加至所述第二对比数据，由此实现对光谱数据的准确分析，为后续的缺陷检测提供数据支持，提高缺陷识别的准确性。

通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果；

其中，所述目标缺陷检测结果包括所述目标器件的目标缺陷类型和目标缺陷程度。

其中，本发明实施例还包括：

所述缺陷识别模型中内嵌有历史器件缺陷数据库；根据所述历史器件缺陷数据库，通过所述缺陷识别模型中的第一识别层对所述第一对比数据进行分析，得到目标空间缺陷结果；其中，所述目标空间缺陷结果是指具备空间缺陷程度标识的空间缺陷结果；根据所述历史器件缺陷数据库，通过所述缺陷识别模型中的第二识别层对所述第二对比数据进行分析，得到目标光谱缺陷结果；其中，所述目标光谱缺陷结果是指具备光谱缺陷程度标识的光谱缺陷结果；将所述目标空间缺陷结果和所述目标光谱缺陷结果共同作为所述目标缺陷检测结果。

通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果，其中，所述目标缺陷检测结果包括所述目标器件的目标缺陷类型和目标缺陷程度，目标缺陷类型包括裂缝、划痕等不同类型的缺陷，目标缺陷程度是指缺陷的严重程度，可用不同的等级表示，级别越高，越严重。

所述缺陷识别模型是机器学习中的神经网络模型，内嵌有历史器件缺陷数据库，历史器件缺陷数据库包括历史空间缺陷数据集和历史光谱缺陷数据集，历史空间缺陷数据集包括历史中的标准空间信息与目标空间信息的多个历史第一对比数据和对应的多个历史空间缺陷结果，历史空间缺陷结果包括缺陷类型和缺陷程度；历史光谱缺陷数据集包括历史中的标准光谱信息与目标光谱信息的多个历史第二对比数据和对应的多个历史空间缺陷结果，历史光谱缺陷结果包括缺陷类型和缺陷程度。

根据所述历史器件缺陷数据库，通过所述缺陷识别模型中的第一识别层对所述第一对比数据进行分析，简单来说，就是基于第一对比数据在历史器件缺陷数据库的历史空间缺陷数据集中进行遍历比对，获取与第一对比数据相同或者相似度最高的历史第一对比数据对应的历史空间缺陷结果作为目标空间缺陷结果，其中，所述目标空间缺陷结果是指具备空间缺陷程度标识的空间缺陷结果，空间缺陷结果是指目标器具的外部缺陷，包括缺陷类型，比如外部磨损。根据所述历史器件缺陷数据库，通过所述缺陷识别模型中的第二识别层对所述第二对比数据进行分析，就是基于第二对比数据在历史器件缺陷数据库的历史光谱缺陷数据集中进行遍历比对，获取与第二对比数据相同或者相似度最高的历史第二对比数据对应的历史光谱缺陷结果作为目标光谱缺陷结果，其中，所述目标光谱缺陷结果是指具备光谱缺陷程度标识的光谱缺陷结果，光谱缺陷结果是指目标器具的内部缺陷，包括缺陷类型，比如内部凹陷。最后将所述目标空间缺陷结果和所述目标光谱缺陷结果共同作为所述目标缺陷检测结果。由此实现对目标器具的内外部的缺陷检测，保证缺陷检测结果的完整性，达到提升缺陷检测准确性和技术效果。

基于上述分析可知，本发明提供了结合激光干涉成像的缺陷检测方法，其可达到如下有益效果：

1.获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息，通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息，对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据，通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果，达到在不破坏目标器件的情况下，通过干涉成像实现目标器具的内外部缺陷检测，提升缺陷检测的准确度的技术效果。

2.利用随机采样一致性算法原理构建智能配准融合模型，获得所述多张目标器件图像的点云数据集，并将所述点云数据集作为所述智能配准融合模型的输入信息，得到输出信息，提取所述输出信息中的模型参数估计结果，并基于所述模型参数估计结果得到预设点云模型，根据所述目标结构和所述目标尺寸对所述预设点云模型进行纹理映射，得到纹理贴图结果，将所述纹理贴图结果作为所述目标三维模型，达到提升点云配准的准确度，进而提升目标三维模型的准确度，便于后续对目标三维模型与标准三维模型进行对比，得到更加准确的第一对比数据，提升缺陷检测结果的准确度的技术效果。

3.通过分别绘制所述标准光谱时序的标准光谱曲线图与所述目标光谱时序的目标光谱曲线图，读取第一预定时间，依次提取所述标准光谱曲线图与所述目标光谱曲线图中，所述第一预定时间对应的标准光谱数据与目标光谱数据，获取所述标准光谱数据和所述目标光谱数据的数据差，记作第一偏差，并组成所述第二对比数据，实现对光谱数据的分析，便于从另一个维度进行缺陷检测，达到提升缺陷检测的准确性的技术效果。

实施例二

基于与前述实施例中结合激光干涉成像的缺陷检测方法同样的发明构思，如图2所示，本发明还提供了结合激光干涉成像的缺陷检测系统，用于执行实施例一所述的结合激光干涉成像的缺陷检测方法，所述缺陷检测系统与一激光干涉成像仪通信连接，所述缺陷检测系统包括：

标准样本获取模块11，所述标准样本获取模块11用于获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息；

干涉成像分析模块12，所述干涉成像分析模块12用于通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息；

信息对比模块13，所述信息对比模块13用于对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据；

缺陷检测结果获取模块14，所述缺陷检测结果获取模块14用于通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果；

其中，所述目标缺陷检测结果包括所述目标器件的目标缺陷类型和目标缺陷程度。

进一步而言，所述信息对比模块13还用于：

所述目标空间信息包括目标结构、目标尺寸；

通过所述智能摄像头对所述目标器件进行图像采集，得到目标器件图像序列，其中，所述目标器件图像序列包括多张目标器件图像；

对所述多张目标器件图像进行分析，并结合所述目标结构和所述目标尺寸，构建所述目标器件的目标三维模型；

基于所述标准空间信息构建标准三维模型；

将所述目标三维模型与所述标准三维模型进行对比，得到所述第一对比数据。

进一步而言，所述信息对比模块13还用于：

利用随机采样一致性算法原理构建智能配准融合模型；

获得所述多张目标器件图像的点云数据集，并将所述点云数据集作为所述智能配准融合模型的输入信息，得到输出信息；

提取所述输出信息中的模型参数估计结果，并基于所述模型参数估计结果得到预设点云模型；

根据所述目标结构和所述目标尺寸对所述预设点云模型进行纹理映射，得到纹理贴图结果；

将所述纹理贴图结果作为所述目标三维模型。

进一步而言，所述信息对比模块13还用于：

所述智能配准融合模型从所述点云数据集中随机采样得到第一样本集，并基于所述第一样本集得到第一模型的第一参数估计结果；

将所述第一样本集从所述点云数据集中剔除，得到第一非样本集，其中，所述第一非样本集包括多个非样本点云数据；

依次计算所述多个非样本点云数据至所述第一模型的距离，并结合预定距离阈值对所述多个非样本点云数据进行筛选，得到第一一致性点集；

计算所述第一一致性点集中的第一数据量，并判断所述第一数据量是否满足预定数量阈值；

若所述第一数据量满足所述预定数量阈值，获得第一复估指令；

根据所述第一复估指令，基于所述第一一致性点集得到所述第一模型的第二参数估计结果；

以所述第二参数估计结果代替所述第一参数估计结果，作为所述输出信息。

进一步而言，所述信息对比模块13还用于：

所述标准光谱信息包括多个具备时间标识的光谱数据，共同形成标准光谱时序；

所述目标光谱信息包括多个具备时间标识的光谱数据，共同形成目标光谱时序；

分别绘制所述标准光谱时序的标准光谱曲线图与所述目标光谱时序的目标光谱曲线图；

读取第一预定时间；

依次提取所述标准光谱曲线图与所述目标光谱曲线图中，所述第一预定时间对应的标准光谱数据与目标光谱数据；

获取所述标准光谱数据和所述目标光谱数据的数据差，记作第一偏差，并组成所述第二对比数据。

进一步而言，所述信息对比模块13还用于：

判断所述第一偏差是否满足预定偏差阈值；

若是满足，将所述第一偏差添加至所述第二对比数据，若是不满足，获取所述第一预定时间的第一邻域；

筛选并匹配所述第一邻域中光谱数据差最大的时间，记作第二预定时间；

将所述第二预定时间对应的标准光谱数据与目标光谱数据的数据差记作第二偏差；

若所述第二偏差满足所述预定偏差阈值，将其添加至所述第二对比数据。

进一步而言，所述缺陷检测结果获取模块14还用于：

所述缺陷识别模型中内嵌有历史器件缺陷数据库；

根据所述历史器件缺陷数据库，通过所述缺陷识别模型中的第一识别层对所述第一对比数据进行分析，得到目标空间缺陷结果；

其中，所述目标空间缺陷结果是指具备空间缺陷程度标识的空间缺陷结果；

根据所述历史器件缺陷数据库，通过所述缺陷识别模型中的第二识别层对所述第二对比数据进行分析，得到目标光谱缺陷结果；

其中，所述目标光谱缺陷结果是指具备光谱缺陷程度标识的光谱缺陷结果；

将所述目标空间缺陷结果和所述目标光谱缺陷结果共同作为所述目标缺陷检测结果。

前述实施例一中的结合激光干涉成像的缺陷检测方法具体实例同样适用于本实施例的结合激光干涉成像的缺陷检测系统，通过前述对结合激光干涉成像的缺陷检测方法的详细描述，本领域技术人员可以清楚地知道本实施例中结合激光干涉成像的缺陷检测系统，所以为了说明书的简洁，在此不再详述。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行，也可以顺序地执行，也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所做的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (2)

1.结合激光干涉成像的缺陷检测方法，其特征在于，所述缺陷检测方法应用于缺陷检测系统，所述缺陷检测系统与一激光干涉成像仪通信连接，所述缺陷检测方法包括：

获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息；

通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息；

对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据；

通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果；

其中，所述目标缺陷检测结果包括所述目标器件的目标缺陷类型和目标缺陷程度；

其中，所述激光干涉成像仪上装载有智能摄像头，所述对比所述标准空间信息与所述目标空间信息得到第一对比数据，包括：

所述目标空间信息包括目标结构、目标尺寸；

通过所述智能摄像头对所述目标器件进行图像采集，得到目标器件图像序列，其中，所述目标器件图像序列包括多张目标器件图像；

对所述多张目标器件图像进行分析，并结合所述目标结构和所述目标尺寸，构建所述目标器件的目标三维模型；

基于所述标准空间信息构建标准三维模型；

将所述目标三维模型与所述标准三维模型进行对比，得到所述第一对比数据；

所述构建所述目标器件的目标三维模型，包括：

利用随机采样一致性算法原理构建智能配准融合模型；

获得所述多张目标器件图像的点云数据集，并将所述点云数据集作为所述智能配准融合模型的输入信息，得到输出信息；

提取所述输出信息中的模型参数估计结果，并基于所述模型参数估计结果得到预设点云模型；

根据所述目标结构和所述目标尺寸对所述预设点云模型进行纹理映射，得到纹理贴图结果；

将所述纹理贴图结果作为所述目标三维模型；

所述获得所述多张目标器件图像的点云数据集，并将所述点云数据集作为所述智能配准融合模型的输入信息，得到输出信息，包括：

所述智能配准融合模型从所述点云数据集中随机采样得到第一样本集，并基于所述第一样本集得到第一模型的第一参数估计结果；

将所述第一样本集从所述点云数据集中剔除，得到第一非样本集，其中，所述第一非样本集包括多个非样本点云数据；

依次计算所述多个非样本点云数据至所述第一模型的距离，并结合预定距离阈值对所述多个非样本点云数据进行筛选，得到第一一致性点集；

计算所述第一一致性点集中的第一数据量，并判断所述第一数据量是否满足预定数量阈值；

若所述第一数据量满足所述预定数量阈值，获得第一复估指令；

根据所述第一复估指令，基于所述第一一致性点集得到所述第一模型的第二参数估计结果；

以所述第二参数估计结果代替所述第一参数估计结果，作为所述输出信息；

所述对比所述标准光谱信息与所述目标光谱信息得到第二对比数据，包括：

所述标准光谱信息包括多个具备时间标识的光谱数据，共同形成标准光谱时序；

所述目标光谱信息包括多个具备时间标识的光谱数据，共同形成目标光谱时序；

分别绘制所述标准光谱时序的标准光谱曲线图与所述目标光谱时序的目标光谱曲线图；

读取第一预定时间；

依次提取所述标准光谱曲线图与所述目标光谱曲线图中，所述第一预定时间对应的标准光谱数据与目标光谱数据；

获取所述标准光谱数据和所述目标光谱数据的数据差，记作第一偏差，并组成所述第二对比数据；

所述获取所述标准光谱数据和所述目标光谱数据的数据差，记作第一偏差，并组成所述第二对比数据，包括：

判断所述第一偏差是否满足预定偏差阈值；

若是满足，将所述第一偏差添加至所述第二对比数据，若是不满足，获取所述第一预定时间的第一邻域；

筛选并匹配所述第一邻域中光谱数据差最大的时间，记作第二预定时间；

将所述第二预定时间对应的标准光谱数据与目标光谱数据的数据差记作第二偏差；

若所述第二偏差满足所述预定偏差阈值，将其添加至所述第二对比数据；

所述通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果，包括：

所述缺陷识别模型中内嵌有历史器件缺陷数据库；

根据所述历史器件缺陷数据库，通过所述缺陷识别模型中的第一识别层对所述第一对比数据进行分析，得到目标空间缺陷结果；

其中，所述目标空间缺陷结果是指具备空间缺陷程度标识的空间缺陷结果；

根据所述历史器件缺陷数据库，通过所述缺陷识别模型中的第二识别层对所述第二对比数据进行分析，得到目标光谱缺陷结果；

其中，所述目标光谱缺陷结果是指具备光谱缺陷程度标识的光谱缺陷结果；

将所述目标空间缺陷结果和所述目标光谱缺陷结果共同作为所述目标缺陷检测结果。

2.结合激光干涉成像的缺陷检测系统，其特征在于，用于执行权利要求1所述方法的步骤，所述缺陷检测系统与一激光干涉成像仪通信连接，所述缺陷检测系统包括：

标准样本获取模块，所述标准样本获取模块用于获取目标器件的标准样本，其中，所述标准样本具备标准空间信息和标准光谱信息；

干涉成像分析模块，所述干涉成像分析模块用于通过所述激光干涉成像仪对所述目标器件进行干涉成像分析，得到目标干涉信息，其中，所述目标干涉信息包括目标空间信息和目标光谱信息；

信息对比模块，所述信息对比模块用于对比所述标准空间信息与所述目标空间信息得到第一对比数据，对比所述标准光谱信息与所述目标光谱信息得到第二对比数据；

缺陷检测结果获取模块，所述缺陷检测结果获取模块用于通过缺陷识别模型对所述第一对比数据和所述第二对比数据进行分析，得到目标缺陷检测结果；

其中，所述目标缺陷检测结果包括所述目标器件的目标缺陷类型和目标缺陷程度。