非接触式微牛级力测量方法及系统

本技术涉及精密测量与智能传感，尤其涉及一种非接触式微牛级力测量方法及系统。

背景技术：

1、随着精密制造技术的快速发展，半导体晶圆加工、微机电系统制造、生物细胞操作等领域对微小力（如微牛级力）的精确测量需求日益迫切。微牛级力是指力学量纲为微牛（μn）的微小作用力。微牛级力测量技术是实现精密制造过程闭环控制、保障产品良率和操作安全的核心传感基础。

2、目前，微牛级力测量方法主要依赖微力传感器、原子力显微镜（atomic forcemicroscope，afm）和数字图像相关法（digital image correlation，dic），但是上述方法存在微牛级力测量精度不足，检测设备贵以及缺乏动态实时微牛级力测量能力等问题。

技术实现思路

1、本技术提供了一种非接触式微牛级力测量方法及系统，有助于解决微纳领域“力感知难、传感器贵”的技术痛点，填补国内微牛级视觉测力技术空白。

2、第一方面，本技术实施例提供了一种非接触式微牛级力测量方法，包括以下步骤：

3、s1：采用分辨率≥1000万像素的高分辨率工业相机，在预设光学照明条件下采集被测物体表面的参考图像和变形图像，其中，参考图像为被测物体表面在未受力时的图像，变形图像为被测物体表面在受力变形后的图像；

4、s2：对参考图像和变形图像进行亚像素形变分析，得到亚像素位移场和全场应变分布，具体包括：

5、s2a：对参考图像和变形图像进行预处理，预处理包括灰度归一化、噪声抑制和光照不均校正；

6、s2b：采用预设的整像素匹配算法在预处理后的参考图像与变形图像之间建立子区域的初始对应关系，得到整像素位移场；

7、s2c：采用预设的亚像素定位算法对整像素位移场进行精细化计算，得到亚像素位移场；

8、s2d：根据亚像素位移场，通过预设的数值微分方法计算得到被测物体表面的全场应变分布；

9、s3：将亚像素位移场和全场应变分布输入预先训练好的物理信息神经网络反演模型，输出被测物体表面的三维力场分布。

10、其中一种可能的实现方式中，物理信息神经网络反演模型的损失函数l的表达式为：

11、；

12、；

13、；

14、；

15、其中,为数据驱动损失项；为弹性力学平衡方程残差损失项；为本构关系残差损失项；为边界条件约束损失项；

、

、

、为自适应权重系数,通过不确定性加权策略或梯度归一化策略动态调整；为神经网络预测位移；为实测位移；为应力张量；为应变张量；为弹性刚度张量；为体力向量；、

m、

k分别为数据点、配点和边界点的数量。

16、其中一种可能的实现方式中，物理信息神经网络反演模型的训练方法包括：

17、构建包含多种典型力学加载场景的仿真数据集，仿真数据集包括已知力边界条件下的位移场数据和应力场数据；

18、基于仿真数据集对物理信息神经网络反演模型进行预训练，得到预训练模型；

19、采集目标应用场景中的标定实验数据，采用迁移学习策略对预训练模型进行微调，得到适配目标应用场景的反演模型；

20、采用自适应学习率调度策略和早停机制优化适配目标应用场景的反演模型的训练过程。

21、其中一种可能的实现方式中，该方法还包括：

22、以不低于100帧/秒的帧率连续采集被测物体表面的图像序列；

23、对图像序列中的每帧图像执行步骤s2和s3，得到实时重构的三维力场分布；

24、将实时重构的三维力场分布输出至外部控制系统，为精密制造过程提供闭环控制反馈。

25、其中一种可能的实现方式中，在高分辨率工业相机的外壳内集成温度传感器、热电制冷器与 pid 控制器；该方法还包括：

26、采用温度传感器采集高分辨率工业相机的实测温度；

27、采用pid控制器根据高分辨率工业相机的实测温度与预设温度偏差输出调控信号；

28、采用热电制冷器根据调控信号执行温度控制，使高分辨率工业相机的工作温度在预设温度范围内。

29、其中一种可能的实现方式中，该方法还包括：

30、获取被测物体表面在未受力时的初始参考图像；

31、每隔预设时间间隔采集被测物体表面在未受力时的静态参考图像；

32、计算静态参考图像与初始参考图像之间的虚拟位移场；

33、若虚拟位移场的幅值大于预设阈值，则将静态参考图像更新为步骤s1中的参考图像，并基于虚拟位移场对后续的位移求解进行系统漂移补偿。

34、第二方面，本技术实施例提供了一种非接触式微牛级力测量系统，用于实现如第一方面所示的非接触式微牛级力测量方法，包括：

35、高分辨率光学成像模块，用于采集被测物体表面的高分辨率图像，高分辨率光学成像模块包括分辨率≥1000万像素的高分辨率工业相机、远心镜头和均匀照明光源；或高分辨率光学成像模块包括分辨率≥1000万像素的高分辨率工业相机、微距镜头和均匀照明光源；

36、ai推理计算模块，ai推理计算模块包括搭载ai加速芯片的嵌入式计算单元，ai加速芯片用于运行亚像素形变分析算法和物理信息神经网络反演模型；

37、主动温控模块，用于将高分辨率工业相机的温度波动控制在±0.1℃以内，主动温控模块包括温度传感器、热电制冷器和pid控制器；

38、抗振模块，用于隔离环境振动对光学成像的干扰，抗振模块包括第一抗振模块和/或第二抗振模块，第一抗振模块包括气浮隔振平台，第二抗振模块包括振动传感器和实时补偿单元；

39、自适应校准软件模块，用于执行系统初始标定、周期性自校准以及物理信息神经网络反演模型参数的空中下载远程升级。

40、其中一种可能的实现方式中，高分辨率光学成像模块还包括多相机立体视觉单元，多相机立体视觉单元至少包括两台高分辨率工业相机，多相机立体视觉单元用于通过立体匹配算法获取被测物体表面的三维形貌信息。

41、其中一种可能的实现方式中，ai加速芯片采用现场可编程门阵列与神经网络处理器的异构计算架构，其中，现场可编程门阵列用于执行图像预处理和亚像素形变分析算法的硬件加速；神经网络处理器用于执行物理信息神经网络反演模型的推理运算；异构计算架构支持流水线并行处理，使系统的整体数据处理吞吐量不低于100帧/秒。

42、其中一种可能的实现方式中，自适应校准软件模块包括：

43、初始标定单元：用于利用标准微米级光栅尺或已知位移的标准样品，对系统进行几何标定，以及建立像素与物理尺寸的映射关系；

44、周期性自校准单元：用于在系统运行过程中，定期采集被测物体表面在未受力时的静态参考图像，检测并补偿由环境变化引起的系统漂移；

45、场景适配单元：用于通过迁移学习接口接收不同应用场景的标定实验数据，利用标定实验数据更新对应的应用场景的物理信息神经网络反演模型参数，应用场景包括半导体晶圆检测、生物细胞操作和精密模具加工。

46、第三方面，本技术实施例提供了一种电子设备，包括：处理器和存储器，存储器用于存储计算机程序；处理器用于运行计算机程序，实现如第一方面所示的非接触式微牛级力测量方法。

47、第四方面，本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序被处理器执行时，实现如第一方面所示的非接触式微牛级力测量方法。

48、本技术的有益效果为：

49、本技术提供的非接触式微牛级力测量方法及系统，该方法采用分辨率≥1000万像素的高分辨率工业相机，在预设光学照明条件下采集被测物体表面的参考图像和变形图像；对参考图像和变形图像进行亚像素形变分析，实现精度达0.01像素级的形变检测；将分析得到的亚像素位移场和全场应变分布输入预先训练好的物理信息神经网络（physics-informed neural network，pinn）反演模型，输出被测物体表面的三维力场分布。pinn反演模型将弹性力学控制方程、本构关系及边界条件作为物理约束嵌入深度学习损失函数，实现从形变场到力场的精确反演，力测量精度达微牛级(μn)。该系统包括高分辨率光学成像模块、ai推理计算模块、主动温控模块、抗振模块及自适应校准软件模块，支持毫秒级数据采集与三维力场实时重构。本技术通过融合亚像素形变分析技术和物理信息神经网络，实现非接触式微牛级力测量，提高微牛级力测量精度，解决了微纳领域“力感知难、传感器贵”的技术痛点，填补了国内微牛级视觉测力技术空白。