本发明属于传感器缺陷检测领域，具体涉及一种基于单波长全息激光干涉的表面形貌检测方法、模型及其构造方法。
背景技术：
1、传感器表面缺陷检测是近年来制造业中格外关注的一项技术问题。作为生产制造过程中必不可少的一步，传感器表面缺陷检测广泛应用于各工业领域，包括3c、半导体及电子、汽车、化工、医药、轻工、军工等行业。自20世纪开始，表面缺陷检测大致经历了三个阶段，分别是人工目视法检测、单一机电或光学技术检测以及机器视觉检测。随着光电元器件的快速发展，以及计算机技术中图像处理、人工智能等算法的深入研究，以机器视觉为代表的先进方法在传感器表面缺陷检测得到越来越广泛的应用。作为目前工业生产中最常用的自动检测技术之一，机器视觉技术是实现设备自动化、智能化和精密控制的有效手段，具有可靠性高、检测精度高、检测速度快、成本低和适用性广等突出优点。
2、检测算法是实现机器视觉检测的核心。检测算法的关键在于从图像中提取出能够辨识缺陷的特征，再依据特征进行缺陷检测。目前，根据特征提取方式的不同，可将缺陷检测中所使用的方法分成两类：
3、一、基于人工特征提取的方法。该方法通常首先采用图像增强和图像分割等处理算法细分出缺陷区域，然后人为定义规则，手工提取缺陷区域的特征，最后使用支持向量机(support vector machine，svm)、bp神经网络等判别算法实现缺陷的检测。然而该方法需要耗费大量人工标记，且在新的传感器检测场景鲁棒性较低。
4、二、基于深度学习特征自提取的方法。伴随着与日俱增的数据量、海量的算力和不断突破的算法模型，机器视觉与深度学习等人工智能技术的融合使得高质量的表面缺陷检测成为了可能。机器视觉代替人类感官作为数据输入源，深度学习模型作为系统中处理数据和分析数据的“大脑”，大大提高了缺陷检测的精度，并且降低了设计缺陷检测系统的成本。然而该方法只能检测出传感器二维缺陷，且对于肉眼与相机捕捉不到的细微条纹缺陷，难以检测与识别。
5、因此，开发一种传感器高效高精度三维缺陷检测方法对提高传感器使用性能具有重要意义。目前主流的传感器缺陷检测方法主要集中在二维图像缺陷检测方面，而针对三维缺陷检测研究较少。
技术实现思路
1、针对上述问题，本发明所要解决的技术问题是，如何提供一种基于单波长全息激光干涉的表面形貌检测模型的构建方法，以对传感器等待测表面进行高精度的三维缺陷检测。
2、本发明提供了一种基于单波长全息激光干涉的表面形貌检测模型的构造方法，其包括：
3、s1、通过泽尼克多项式进行拟合获取包括多个单波长全息激光干涉图像的原始图像训练集中的绝对相位；
4、s2、获取转换数据：将原始图像数据集中的绝对相位通过取余计算获取真实包裹相位(iw)；通过干涉条件计算获取干涉条纹图，对干涉条纹图加载随机噪声得到带有噪声的干涉条纹图(in)；
5、s3、建立预置的基于深度神经网络的包裹模块及解包裹模块，包裹模块用于根据带有噪声的干涉条纹图(in)输出相应的预测包裹相位(i’w)，解包裹模块用于根据预测包裹相位(i’w)输出相应的第一预测绝对相位(i’uw)且根据真实包裹相位(iw)输出相应的第二预测绝对相位(iuw)；
6、s4、将转换数据按对应的原始图像的不同划分为训练数据集和测试数据集；
7、s5、利用所述训练数据集，对包裹模块和解包裹模块进行训练优化。
8、s6、利用所述测试数据集，对优化后的包裹模块和解包裹模块进行测试；当测试结果符合性能要求时，保存包裹模块和解包裹模块，否则，返回步骤s5。
9、优选地，步骤s5包括：将第一损失值反向传播以对包裹模块的网络权重进行迭代更新直至网络损失值达到第一设定阈值或直至训练迭代次数达到第二设定阈值，其中，所述第一损失值为预测包裹相位(i’w)相对于包裹相位(iw)的损失值。
10、优选地，步骤s5包括：将第二损失值反向传播以对解包裹模块和包裹模块的网络权重均进行迭代更新直至网络损失值达到第三设定阈值或直至训练迭代次数达到第四设定阈值；其中，所述第二损失值为以下各损失值之和：
11、第一预测绝对相位(i’uw)、第二预测绝对相位(iuw)分别经过全变分操作时的损失值；
12、第一预测绝对相位(i’uw)、第二预测绝对相位(iuw)分别相对于真实绝对相位(ir)的损失值；
13、及第一预测绝对相位(i’uw)、第二预测绝对相位(iuw)分别对2*π取余后相对于真实包裹相位(iw)的损失值。
14、优选地，所述单波长全息激光干涉图像由单波长全息激光干涉光路得到，所述单波长全息激光干涉光路包括相干光源、第一变倍扩束镜及分束镜，所述相干光源通过所述变倍扩束镜后被所述分束镜分成透射的参考光束和反射的测量光束；参考光束依次地通过衰减片、通过一第一反射镜、再次通过所述衰减片、被所述分束镜反射、通过一滤光片后，与依次地通过一第二变倍扩束镜、通过两个聚焦透镜、被待测表面反射、再次反向通过两个所述聚焦透镜、通过所述分束镜、通过所述滤光片后的测量光束干涉后形成被探测器捕获的干涉图像；所述探测器、两个所述聚焦透镜及所述待测表面形成一4f光学系统。
15、优选地，构造方法在步骤s2之前还包括步骤：将所述单波长全息激光干涉图像转换为单个灰度通道。
16、优选地，构造方法在步骤s2之前还包括步骤：将所述初始图像集进行衍生扩充。
17、优选地，所述衍生扩充方法包括：对初始图像集中的单波长全息激光干涉图像通过一次衍生操作而得到的衍生的单波长全息激光干涉图像扩充至初始图像集中，所述衍生操作包括水平翻转、垂直翻转或顺时针放置180度。
18、本发明还要求保护基于单波长全息激光干涉的表面形貌检测模型，其由上述的构造方法得到。
19、本发明还要求保护一种基于单波长全息激光干涉的表面形貌检测方法，其利用上述缺陷检测模型，包括步骤：
20、获得待测表面的单波长全息激光干涉图像；
21、将所述单波长全息激光干涉图像通过所述缺陷检测模型处理后得到相应的真实绝对相位；
22、将真实绝对相位转换为高度值，并根据高度值进行表面三维形貌重建。
23、本发明的优点在于：
24、1.单波长全息激光干涉光路的设计。该光路中设计两个变倍扩束镜模块，根据传感器表面大小，可灵活调节激光束大小，提高系统对传感器表面三维重建的灵活性。
25、2.设计的网络结构中，包含两个网络模块分别为包裹模块与解包裹模块，只需要单幅干涉图像便可获取传感器绝对相位信息，可以实时获取传感器三维形貌信息，进而检测三维缺陷，这是现有的传感器缺陷检测方法所没有的。
26、3.缺陷检测的精确性，利用激光干涉三维形貌较高的精确性，可达到纳米级别，能够识别出肉眼或者探测器难以识别的微小缺陷，进一步提高缺陷检测的精度。
1.一种基于单波长全息激光干涉的表面形貌检测模型的构造方法，其特征在于，包括：
2.根据权利要求1所述的基于单波长全息激光干涉的传感器三维缺陷模型的构造方法，其特征在于，步骤s5包括：将第一损失值反向传播以对包裹模块的网络权重进行迭代更新直至网络损失值达到第一设定阈值或直至训练迭代次数达到第二设定阈值，其中，所述第一损失值为预测包裹相位(i’w)相对于包裹相位(iw)的损失值。
3.根据权利要求1所述的基于单波长全息激光干涉的传感器三维缺陷模型的构造方法，其特征在于，步骤s5包括：将第二损失值反向传播以对解包裹模块和包裹模块的网络权重均进行迭代更新直至网络损失值达到第三设定阈值或直至训练迭代次数达到第四设定阈值；其中，所述第二损失值为以下各损失值之和：
4.根据权利要求1所述的基于单波长全息激光干涉的传感器三维缺陷模型的构造方法，其特征在于，所述单波长全息激光干涉图像由单波长全息激光干涉光路得到，所述单波长全息激光干涉光路包括相干光源、第一变倍扩束镜及分束镜，所述相干光源通过所述变倍扩束镜后被所述分束镜分成透射的参考光束和反射的测量光束；参考光束依次地通过衰减片、第一反射镜，再次通过所述衰减片、被所述分束镜反射，通过一滤光片后，与依次地通过一第二变倍扩束镜、两个聚焦透镜待测表面反射，再次反向通过两个所述聚焦透镜、所述分束镜、所述滤光片后的测量光束干涉后形成被探测器捕获的干涉图像；所述探测器、两个所述聚焦透镜及所述待测表面形成一4f光学系统。
5.根据权利要求1所述的基于单波长全息激光干涉的传感器三维缺陷模型的构造方法，其特征在于，在步骤s2之前还包括步骤：将所述单波长全息激光干涉图像转换为单个灰度通道。
6.根据权利要求1所述的基于单波长全息激光干涉的传感器三维缺陷模型的构造方法，其特征在于，在步骤s2之前还包括步骤：将所述初始图像集进行衍生扩充。
7.根据权利要求7所述的基于单波长全息激光干涉的传感器三维缺陷模型的构造方法，其特征在于，所述衍生扩充方法包括：对初始图像集中的单波长全息激光干涉图像通过一次衍生操作而得到的衍生的单波长全息激光干涉图像扩充至初始图像集中，所述衍生操作包括水平翻转、垂直翻转或顺时针放置180度。
8.一种基于单波长全息激光干涉的表面形貌检测模型，其特征在于，由权利要求1至7中的任一项权利要求所述的构造方法得到。
9.一种基于单波长全息激光干涉的表面形貌检测方法，其特征在于，利用如权利要求5所述的缺陷检测模型，包括步骤：
