1 绪论
1.1 课题研究背景及意义
光学元件作为实现光学功能的载体，其表面质量的好坏将直接影响这整个光学系统的性能，因此人们不仅需要对光学表面进行精密加工，同时还要对成品元件进行准确检测，才能使光学仪器设备更加安全高效地进行工作。而随着激光应用的日趋复杂、多元化，光纤作为激光传输的柔性介质重要性不言而喻，在光纤通光前首先应该保证的是其入射端的表面质量，光纤端面除了需要进行精密的研磨抛光，还需要进行准确的检测。
光纤端面在研磨抛光过程中或者在插拔过程中主要存在两类问题：清洁问题和几何问题[1]。其中清洁问题一般为临时性污染造成，例如粉尘颗粒、碎片碎粒、液体残留、胶、化学降解、表面钝化以及腐蚀等造成的污染，光纤表面存在有清洁问题不仅会使得光纤连接损耗变大、通信性能下降，严重时会造成光纤纤芯被堵以致无法传输光，更有甚者会导致纤芯被高功率激光烧坏，为了保证光纤通信的稳定与高效，在光纤使用前必须对光纤端面进行仔细地清洁；几何问题通常指在抛光处理过程中或由于操作不当而造成永久性损伤，包括深浅程度不同，大小不一的划痕、凹坑、碎裂以及崩边等缺陷。根据光纤缺陷的具体情况不同，人们可以通过不同手段对光纤进行处理：在光纤端面存在轻微缺陷的情况下，可通过一定程度的重新研磨抛光来进行相应修复；若光纤端面损坏严重，则会导致光纤报废。
光纤端面存在缺陷易造成输出光束质量下降，对光传输产生不利影响；缺陷处易产生热效应现象，产生的热量还会使光纤缺陷处发生局部形变，在传输高功率激光的情况下极易导致缺陷光纤进一步损伤；同时缺陷会影响光纤端面的清洁情况，严重者还会损坏光学系统中的其他光学元件，发生安全事故[2]。
光纤端面质量的好坏遵循一系列业内广泛接受的标准，这些验收标准一般由光纤生产厂商自主研发，根据光纤类型和用途的不同，这些标准也有着不同的指标，以达到各自的目标。表 1-1 为一般标准通信用光纤对不同缺陷的容忍程度，可见纤芯对缺陷的容忍度比包层要低，通常验收标准对光纤端面不同的区域提出了不同的限定，因此光纤端面检测需要分区进行。
.............................
1.2 国内外发展现状
1.2.1 光纤端面检测方法概述
光纤通常需要使用显微镜将光纤放大，再通过不同的方法对其几何参数进行测量。除了通过使用各种光学仪器直接进行检测外，还有机械直径法、折射近场法、横向干涉法等[5]光纤测量手段，但并不是上述每种方法都能对光纤端面各种几何参数均进行测量。机械直径法只能测量光纤包层的直径与圆度、折射近场法可测量光纤纤芯和包层的直径、圆度、同心度和数值孔径等；横向干涉法则适用于测量光纤纤芯的直径、圆度和理论的数值孔径等。
至于对光纤端面缺陷的检测，虽然用光干涉法可以测量出光纤端面表面形貌且精度可观，但它需要搭建光路并调出复杂的干涉条纹才能进行相关的算法处理，步骤繁琐且检测结果不能较精确地量化缺陷的大小及数量[6]，因此一般不会采用这种方法在生产生活中对光纤端面检测。而实际生产生活中，通常由人工直接观察显微成像来进行光纤端面缺陷的检测，或把获取到的光纤端面放大图像储存在计算机中，通过相关算法进行处理从而完成检测[7]。
由于人工检测性价比高，而且有方便快捷的优点，它仍是当今主流的光纤端面缺陷检测手段，但是该方法易造成人眼疲劳甚至损伤视力，人工检测的结果主观性很强，不可避免的会引入误差，且该方法难以检测出较浅的缺陷，易出现漏检情况[8]。而随着人工智能的兴起，当今社会步入了智能化时代，机器视觉作为人工智能的一个重要分支也得到了快速发展，机器视觉检测也在高精度测量领域中得到越来越广泛的运用[9]。与人工检测相比，机器视觉检测有着安全高效、准确和自动化等优势，有望在不久的将来替代人工检测从而实现工业检测智能化。
.............................
2 光纤端面自动缺陷检测系统简介
2.1 应用场景及需求分析
无论是在光通信领域还是激光行业，在光纤投入使用前，一般都需要对其端面进行清洁和检测，并将端面存在缺陷的光纤进行相应处理，以防止质量不合格的光纤造成的恶劣影响，图 2-1 为不合格的光纤端面图像。不同生产商对不同类型的光纤根据其应用范围有着不同的验收标准，在存在一定噪声背景下，遵循“宁可误检，不可漏检”的原则[30]，对光纤端面存在的不同缺陷进行检测，具体检测标准将在第四章详细说明。
由于 Matlab 一般偏向于科研应用，工程价值不高，为了研发出一款偏向工程性的软件，且要实现能进行人机交互的图形用户界面，则需要将已经被 Matlab 实现的算法移植到其他平台上，并用另外一种语言编译。经综合考虑，本课题先用 Matlab 实现了软件的核心算法，再通过 OpenCV 对光纤端面缺陷的检测算法进行进一步的研究，最后以更为灵活的 Java 语言对系统的软件部分进行了开发。
OpenCV 是 Intel 公司资助的开源 C/C++算法库，在已有的成熟算法基础上可迅速开展自己的研究工作，目前还实现了 Java 和 Python 语言的接口，可以直接调用算法库内的各种算法用于实时的图像处理，具有良好的可移植性。但该算法库与 Matlab 算法库相比还缺少了不少算法函数，需要自行编写代码添加方法，当然也可以通过重写方法对原有的算法进行改进。
......................
2.2 系统框架及总体方案分析
对于本课题研究的光纤端面缺陷自动检测系统，其最基本的要求是能够定量检测出光纤端面缺陷存在情况，并根据验收标准判断其是否合格，同时系统还应该具有普适性、稳定性、鲁棒性以及可操作性，即对不同类型的光纤以及不同环境背景下有一套较为通用的算法参数，以实现自动检测的目标。
该系统通过光学系统放大光纤端面，使用图像获取装置采集光纤端面的放大图像，并通过某种手段将所采集到的图像的数字信号传入计算机，检测人员对计算机上的图像处理软件发出命令，计算机再调用相应算法对图像进行处理和分析，最后输出分析数据及判断结果提供检测人员参考，以进行后续操作，图 2-2 为该系统的基本工作流程。
.........................
3 图像采集和预处理 ...................... 13
3.1 图像采集 ................................. 133.2 图像增强 ........................... 14
3.3 图像分割 .......................... 23
3.4 本章小结 ............................. 25
4 缺陷判定及提取 ............................. 26
4.1 缺陷分类和验收标准 ............................ 26
4.2 特征提取 .............................. 27
5 缺陷标记和量化 ............................... 40
5.1 图像标记 ............................................. 40
5.2 像素和尺寸的转换 ............................... 41
5.3 软件流程图 ..................................... 43
5 缺陷标记和量化
5.1 图像标记
连通域标记算法可以通过向二值图像中不同的连通域赋予不同标记，从而可通过不同算法获得这些块的各种形态特征如轮廓、中心位置、外接图形以及不变矩等几何参数。不同连通域标记算法对于不同的目标效率完全不同，常见的算法主要有两遍扫描法和种子填充法，其中两遍扫描法基于行程，种子填充法运用了递归思想以及堆栈。
两遍扫描法在第一遍逐行扫描的过程中，若像素点的邻域未检测到标记过的像素点，则赋予该像素点一个新的标记值；若在其邻域中检测到被标记过的像素点，则赋予将该像素点其邻域点被标记过最小值的标记，因此同一个连通域内像素集合中可能会存在一个或多个不同的标记值，接下来则需要记录它们之间的相等关系（可以有多种实现方法），并将同一个连通域内不同的标记值合并；第二遍扫描过程中再次访问被标记过的像素点，找到与该点同属相等关系的点，将这些像素点归为一个连通域并赋予它们一个相同的标记值（通常是这些标记中的最小值），即可找到具有唯一标记值的连通域。
种子填充法首先对图像扫描，将一个相关像素点标记为种子点，根据连通域的定义和堆栈操作，将其邻域中所有相关像素点压入堆栈中，同时弹出堆栈顶部像素，并给堆栈顶部像素相同标记，再将与该堆栈顶部的像素点的所有相邻且相关像素点压入堆栈；重复以上直到堆栈不存在任何像素点，就找到了具有相同标记像素集合的一个连通域。
..........................
6 总结与展望
本文以计算机为中心，通过光纤端面检测仪，其中包括光源、显微放大光学系统、图像传感器以及采集卡等硬件，完成了光纤端面图像的采集与传输；该系统软件部分主要建立在 Eclipse IDE for Java EE Developers 平台，结合 OpenCV 开源算法库，并自行改进、编写图像处理算法，完成了对系统搭建，可实现光纤定位、缺陷分类检测等功能，且能对检测结果进行量化输出；同时还建立了直观的图形用户界面，以更好的进行人机交互以及图像和文本的输出。
本文对光纤端面检测中不同流程各个步骤的算法进行了研究，最终选择了一套最合适的算法并对其进行集成，用该复合算法来处理光纤端面图像，可得到理想的检测结果。其中算法及其相应参数对光纤端面的不同区域均适用，对于同一类型的光纤端面图像，可以不改变任何算法和参数即可进行缺陷的检测，实现了该系统高效、且自动化的要求，能较准确地完成光纤端面的验收工作。
然而，由于光纤端面图像在采集和传输过程中会受到环境因素以及不同噪声的影响，图像质量会有所下降，此时系统不能有效地区分出噪声和麻点，难以检出微弱信号时容易出现误检情况；又因为软件算法流程中，先将光纤端面不同区域的边界像素影响去掉再进行缺陷检测，故在区域分界处存在的缺陷可能会出现漏检情况；同时光纤端面缺陷检测在实际应用中自动化与精度之间的矛盾、准确性与实时性以及模糊特征之间的矛盾，也仍是目前需要解决的问题。
针对以上问题，首先可以通过使用更好的 CCD 或改进图像的储存方式以减少噪声的产生，改善图像采集系统；其次可通过改变光照方式以减少光纤端面不同方向反射、折射光所产生的误差，以减少光照环境产生的影响；还需要不断研发创新缺陷检测算法，提升缺陷识别精度和实时性，以应用于在线检测。
参考文献（略）