《Optics and Lasers in Engineering》：Calibration-preserving frequency-domain deblurring for optical sub-pixel metrology under composite degradation
编辑推荐：
•针对光学亚像素计量的无重新大小调整、保持校准的去模糊技术。•相位一致的频域-空间网络实现了实时边缘恢复。•计量驱动的损失优先考虑质心精度而非感知质量。•以感兴趣区域（ROI）为中心的范式将实际SMT检测中的质心误差降低了四倍。引言光学视觉测量在工业制造中的质量保证中起着核心作用
- •
针对光学亚像素计量的无重新大小调整、保持校准的去模糊技术。
- •
相位一致的频域-空间网络实现了实时边缘恢复。
- •
计量驱动的损失优先考虑质心精度而非感知质量。
- •
以感兴趣区域（ROI）为中心的范式将实际SMT检测中的质心误差降低了四倍。
引言
光学视觉测量在工业制造中的质量保证中起着核心作用，而在严格的周期时间限制下实现亚像素定位精度是本研究的重点挑战。与此同时，三维光学计量技术已经通过诸如条纹投影轮廓测量等方法取得了进展[1]，但这些方法主要解决的是表面测量的互补问题，而非本研究所关注的复合模糊条件下的二维平面定位问题。动态图像采集的一个关键挑战是复合成像退化，这是一种光学现象，快速机械运动同时会导致运动模糊、失焦和透镜像差，这些因素共同导致空间频率内容的严重衰减。对于表面贴装技术（SMT）检测中使用的远心透镜系统，这三种退化源可以近似模拟为一个复合点扩散函数（PSF）。这种退化会抑制高频边缘特征，直接损害几何保真度，并在下游计量流程中传播系统误差[2]、[3]。SMT检测就是这一挑战的典型例子[4]、[5]。高速拾取和放置机器（P&PMs）依赖于基于视觉的测量来提取球栅阵列和细间距引线等显著特征以进行组件定位[6]、[7]。如图1所示，在快速龙门架移动和镜子振动的情况下，复合模糊会使定位误差超出可接受的精度范围。
深度学习通过卷积和变换器架构在恢复退化图像方面展示了显著的效率[8]、[9]、[10]。然而，通用恢复模型与仪器级光学计量的几何保真度要求之间存在根本性的矛盾，本研究的动力正是为了解决这一矛盾[11]。两种限制阻碍了其在测量流程中的应用。首先，处理整个高分辨率帧会导致计算延迟，这与毫秒级的工业周期时间不兼容，因为坐标提取依赖于稀疏的显著特征而不是全帧内容[12]。其次，标准流程通过全局重新大小调整或双线性插值强制使用固定的输入尺寸。除非明确校正，否则这种操作会引入非线性空间失真，这些失真会作为系统坐标误差传播，从而影响需要精确的物理到像素对应关系的亚像素算法的计量可追溯性[13]、[14]。此外，由于不同物理尺寸的组件被映射到相同的固定输入分辨率，所需的缩放比例因组件而异，插值引起的坐标偏移也会以不确定且依赖于组件的方式变化。这种不可预测的失真对于高精度机器检测尤为重要。在我们的实验中，这种系统误差得到了定量验证：全局重新大小调整导致评估架构中的质心测量误差高达21.4微米（μm），而在以ROI为中心的范式下评估的相同架构中，误差低于5微米（μm）（见表1中的计量精度对比评估）。
为了解决这些相互冲突的需求，我们提出了一个保持几何特性的光学视觉测量框架，其设计在每个处理阶段都保留了校准链。它被设计为一种适用于复合成像退化条件下的精确检测通用范式，并在此用于SMT组件定位。该方法主要针对具有明确几何中心的电子组件（如标准矩形引脚），而数据集中的BGA组件则在混合评估中作为一个通用凸区域先验进行评估。其核心原则是在整个恢复和测量过程中保持物理校准的完整性，优先考虑定位精度而非感知图像质量[15]。自适应感兴趣区域（ROI）分割模块分离出对测量至关重要的结构，消除了计算上多余的背景处理。提取的区域通过无重新大小调整的局部复制填充进行标准化，该填充将变量尺寸的补丁映射到固定的张量格式，同时保持校准的物理到像素对应关系。然后，轻量级的频域-空间感兴趣区域网络（FSROI-Net）在实时约束下选择性地恢复这些补丁中的衰减边缘结构，光谱分解将全局模糊抑制与高频边界恢复分离[16]。计量驱动的复合优化目标根据形态学距离对中心像素进行加权，并在结构边界处强制保持梯度保真度，直接使恢复结果符合亚像素坐标提取的要求。本质上，本研究的中心论点是，保持校准而不是仅仅恢复能力，决定了在复合退化条件下基于视觉的测量所能实现的亚像素精度。
主要贡献总结如下：
- •
本研究建立了一种在复合退化条件下进行精确检测的保持几何特性的光学视觉测量范式。自适应特征分割和无重新大小调整的局部复制填充保持了物理到像素的校准完整性。与传统的全帧处理不同，这种范式从源头上消除了插值引起的坐标失真，确保了下游定位的计量可追溯性。
- •
轻量级的频域-空间双域架构在工业延迟限制下实现了实时结构恢复。傅里叶域中的相位保持幅值调制恢复了衰减的光学传递函数响应，同时保留了编码边缘位置的几何相位。这种相位保持设计是将退化补偿与位置保真度分离的关键，使得恢复质量和测量精度可以同时实现。两阶段掩蔽策略确保在有效区域内进行测量准确的边界重建。
- •
所提出的计量驱动的复合优化目标直接关注定位精度而非感知图像质量。形态学距离加权优先考虑结构上关键的中心区域，以实现稳定的质心估计。结构边界处的梯度保真度约束最大化了亚像素坐标提取的位置重复性。因此，复合目标将恢复监督直接与下游计量目标联系起来，而不是与感知图像质量联系起来。
章节片段
用于精确检测的光学视觉测量
光学视觉测量包括多种非接触式精确检测模式，例如用于三维表面重建的结构光轮廓测量[17]和用于在线缺陷检测的高速区域扫描[4]。SMT检测提出了一组特别严格的要求。为了实现微型组件的高精度定位，之前的研究主要依赖于确定性几何算法。Yang等人[18]提出了一种
系统概述和测量流程
所提出的视觉测量框架如图2所示，解决了动态采集过程中由远心成像系统引起的复合PSF退化问题。在高动态机械运动下获取高分辨率的目标图像。自适应分割过程首先将关键测量特征隔离成独立的感兴趣区域，这一步消除了背景冗余。每个提取的补丁的左上角坐标和尺寸被记录为
测量数据集构建和训练协议
构建了一个包含1000对图像的混合数据集，其中800张是合成的，200张来自真实世界平台。在本节中，一对图像是指一个全帧退化图像及其真实值。一个组件是指一个单独的SMT部件。一个裁剪区域是指来自一个组件的ROI补丁。一个测试实例是指用于评估的单个裁剪区域。一个观测值是指一个静态组件的一个退化实例，用于重复性评估。
对于合成数据集，包含800张清晰静态
结论
本文提出了一种用于表面贴装技术中高速亚像素组件检测的保持几何特性的视觉测量框架。传统的基于深度学习的恢复流程使用全局重新大小调整，这引入了插值误差，影响了物理对象平面与传感器像素网格之间的校准映射。除非明确校正，否则这些误差会传播系统坐标误差，超出仪器级
CRediT作者贡献声明
Jingpeng Cui：撰写 – 原始草稿、可视化、软件、方法论、概念化。Xuebo Yang：撰写 – 审稿与编辑、监督、项目管理、资金获取。Hong Yang：撰写 – 审稿与编辑、验证、方法论、调查。Xianqiang Yang：撰写 – 审稿与编辑、监督、资源管理、项目管理、资金获取。
利益冲突声明
作者声明他们没有已知的潜在利益冲突或个人关系可能影响到本文报告的工作。
致谢
本研究得到了中国国家自然科学基金会（授权号：62673165）的支持。
Jingpeng Cui|Xuebo Yang|Hong Yang|Xianqiang Yang
