一种丝印网纱推扫对焦残差伺服补偿方法及系统与流程

本发明属于丝印网纱aoi检测，具体涉及一种丝印网纱推扫对焦残差伺服补偿方法及系统。

背景技术：

1、丝印网纱是fpc柔性线路板、太阳能电池电极印刷、触摸屏导电线路印刷等精密电子制造工艺中的核心耗材，其网版图案（如电极栅线、导电线路）的印刷质量直接决定了最终产品的电气性能与良率。随着下游应用向微米级线宽（如15μm）及高精度方向持续演进，对丝印网纱自身质量的在线检测要求也日益严苛。

2、目前，丝印网纱的缺陷检测主要依赖人工肉眼观察与自动光学检测（aoi）设备两种方式。人工检测由操作人员将网版放置于光台上，通过肉眼观察透光亮点或线条来判别缺陷，存在劳动强度大、误判漏检率高、效率低下等突出问题。现有的丝印网纱aoi设备通常采用高分辨率线阵或面阵相机配合推扫成像机构采集网纱幅面图像，再通过图像处理算法识别断线、堵孔、脏污、断丝等缺陷。然而，这类设备在推扫成像过程中面临两个长期未能有效解决的技术难题。

3、其一，丝印网纱为经纬线交织的柔性编织结构，在张紧安装于网框后，受张力分布不均及框架安装误差的影响，整张网纱表面会形成宏观尺度的弓形弯曲面（即弓曲面）；与此同时，经纬线的周期性交织构造在微观层面引入了与编织节距相对应的高频高度起伏。在推扫成像过程中，物镜通常仅能对某一固定焦平面进行跟踪，网纱表面宏观弓曲面与微观织纹周期分量的耦合叠加，使物镜难以同时兼顾两种尺度的高度变化，导致大量采集图像中存在不同程度的离焦模糊，直接劣化了微米级线宽的边缘定位精度与缺陷的可辨识度。

4、其二，经纬编织结构本身在光学图像中形成了规则的周期性纹理，该纹理在频域中表现为显著的基频及其谐波能量聚集带。这一织纹背景纹理与断线、针孔等真实缺陷在灰度及边缘特征上存在相似性，严重干扰了缺陷检测算法的准确判断，导致传统模板匹配及图像对比方法频繁出现误报与漏检。虽有研究尝试将深度学习应用于网版表面缺陷检测，但光伏网版、fpc丝印网纱等产品缺陷样本获取困难、标注成本高昂，小样本条件下模型的泛化能力严重受限，难以满足产线实际检测需求。

5、综上所述，现有丝印网纱推扫成像检测技术在宏观弓曲面与微观织纹的耦合对焦、织纹背景纹理的干扰抑制以及小样本缺陷检测等方面存在明显不足，需要一种能够系统性解决上述问题的检测方法。

技术实现思路

1、为解决现有技术中存在的上述问题，本发明提供了一种丝印网纱推扫对焦残差伺服补偿方法及系统，本发明的目的可以通过以下技术方案实现：

2、获取推扫方向上的高度序列并执行双通道频带分离得到宏观缓变分量与织纹周期分量，以宏观缓变分量重构宏观弓曲面；

3、以所述宏观弓曲面为位移寻址目标，驱动镜头沿光轴移动至宏观弓曲面高度，获取实际高度探测值并与宏观弓曲面高度执行偏差解算得到残余对焦误差；

4、获取丝印网纱图像并变换至频域，解析织纹周期分量得到织纹基频与谐波位置，将残余对焦误差代入离焦点扩散函数得到与各空间频率对应的补偿系数，对织纹基频与谐波邻域执行陷波衰减，并对非织纹频点处因离焦衰减的分量执行逆向增益补偿，经空间域映射重建得到清晰化去纹理图像；

5、对清晰化去纹理图像进行频域能量分布分析，根据分析结果调整所述补偿系数，进行下一周期推扫图像的去纹理处理。

6、具体地，所述双通道频带分离包括：

7、以推扫方向上的空间采样间隔确定截止频率，将高度序列通过正交变换拆解为不同空间频率分量，按所述截止频率执行频带划分，将空间频率低于截止频率的分量划归为宏观缓变分量；将高于截止频率的分量划归为织纹周期分量，将宏观缓变分量和织纹周期分量分别反变换回空间域；所述织纹周期分量的基频由丝印网纱的编织节距在推扫方向上的空间频率确定。

8、具体地，所述宏观弓曲面的重构过程包括：

9、将各采样点处的宏观缓变分量沿推扫方向排列形成一维高度序列，以推扫网格分块在幅面宽度方向上的排列为条带划分依据，沿宽度方向对各条带的一维高度序列执行二维插值处理，将插值节点与推扫网格分块的中心坐标对齐，经二维插值后得到覆盖整个丝印网纱幅面的连续宏观弓曲面。

10、具体地，所述补偿系数的生成过程包括：

11、以残余对焦误差作为离焦点扩散函数的离焦参量，计算点扩散函数在各空间频率处的调制传递函数值；基于调制传递函数值确定理论补偿增益；对理论补偿增益施加饱和度限制以抑制噪声放大，经饱和度限制后得到各空间频率对应的补偿系数。

12、具体地，所述对织纹基频与谐波邻域执行陷波衰减包括：

13、以织纹基频和各谐波位置为中心频率，以丝印网纱编织节距的制造公差确定各中心频率处的陷波带宽，在陷波带宽内对频谱幅度执行衰减处理，所述衰减深度在中心频率处取最大值并向带宽边缘递减。

14、具体地，所述逆向增益补偿包括：

15、在频域中标记织纹基频与谐波邻域之外的频点作为非织纹频点，以各非织纹频点处的补偿系数作为增益值，对所述频点处的频谱幅度执行增益处理。

16、具体地，所述经空间域映射重建得到清晰化去纹理图像之后，还包括：

17、将清晰化去纹理图像输入已训练的faster-rcnn检测网络，通过resnet骨干网络提取多尺度特征图，在各特征图上生成缺陷候选区域并分类回归，输出缺陷类别与位置；其中检测网络利用丝印网纱小样本缺陷数据对resnet骨干网络的深层参数进行了迁移适配，并冻结浅层参数。

18、具体地，所述通过resnet骨干网络提取多尺度特征图的过程包括：

19、沿推扫方向和幅面宽度方向分别设置多个尺度的滑动窗口，在各滑动窗口内提取局部特征得到对应尺度的特征图；将不同尺度特征图中对应空间位置的响应值进行加权聚合，得到融合后的多尺度特征图；将融合后的多尺度特征图送入检测头网络执行缺陷定位与分类；滑动窗口的尺寸根据丝印网纱缺陷的最小可检尺寸与最大预期尺寸确定。

20、具体地，所述输出缺陷类别与位置的步骤之后，还包括：

21、将缺陷类别与位置发送至制程参数决策模块，由制程参数决策模块根据缺陷类别匹配对应的制程参数类型并生成制程参数校正指令；对断线类别缺陷生成张力调节指令，对异物类别缺陷生成刮刀压力调节指令，对针孔类别缺陷同时生成张力与刮刀压力联合调节指令，对厚度不均类别缺陷生成刮刀角度调节指令。

22、具体地，所述频域能量分布分析中，将频域划分为低频纹理主瓣区、中频缺陷信号区和次高频噪声区三个频段分别统计能量占比；当低频纹理主瓣区能量占比高于参考值时，增大陷波衰减的衰减度；当中频缺陷信号区能量占比低于参考值时，增大逆向增益补偿的增益幅度；当次高频噪声区能量占比高于参考值时，对次高频噪声区施加低通抑制。

23、具体地，所述补偿系数的调整过程包括：

24、计算清晰化去纹理图像在各频段内的能量占比，与预设的理想聚焦状态下的参考能量分布进行比对，得到各频段的能量偏差量；以能量偏差量作为反馈量，采用迭代方式修正各空间频率处的补偿系数。

25、本发明的有益效果为：

26、（1）本发明通过双通道频带分离技术将推扫方向上的高度序列拆解为宏观缓变分量与织纹周期分量，其中宏观缓变分量经二维插值重构出覆盖整个幅面的连续宏观弓曲面，作为物镜位移寻址的第一级目标；在此基础上，将实际高度探测值与宏观弓曲面高度执行偏差解算，剥离出因经纬编织结构及随机振动引致的残余对焦误差，以此作为精密补偿的依据。通过“弓曲面粗定位+残余误差精补偿”的两级对焦策略，本发明实现了对网纱表面宏观与微观尺度高度变化的同步适应，有效消除了推扫图像中的离焦模糊，为后续缺陷检测提供了清晰可靠的源图像。

27、（2）本发明在频域中精确定位织纹基频与谐波位置，以编织节距的制造公差确定陷波带宽并执行定向陷波衰减，精准压制织纹背景能量而不影响非织纹频点；与此同时，将残余对焦误差代入离焦点扩散函数计算各空间频率处的补偿系数，对非织纹频点中因离焦而衰减的分量执行逆向增益补偿，恢复缺陷边缘的高频信息。陷波衰减与逆向增益补偿在相同频域表示上依序执行，一次变换同时完成织纹消除与缺陷增强，使重建后的清晰化去纹理图像中缺陷边缘锐度显著提升，从源头上消除了织纹背景对缺陷检出的干扰。

28、（3）本发明以imagenet预训练权重初始化resnet骨干网络，利用丝印网纱小样本缺陷数据仅对深层参数进行微调并冻结浅层参数，通过迁移学习将通用视觉特征迁移至网纱缺陷检测任务，有效克服了小样本训练难题。在此基础上，沿推扫方向和幅面宽度方向分别设置多个尺度的滑动窗口，提取各尺度局部特征后将对应空间位置的响应值进行加权聚合，实现100μm2至100mm2跨尺度缺陷的统一表征与精准识别。