自动光谱测试分筛系统研制

王小辉,曹一鸣,莫 忠

（广州市光机电技术研究院，广东 广州 510663）

自动光谱测试分筛系统研制

王小辉,曹一鸣,莫 忠

（广州市光机电技术研究院，广东 广州 510663）

为实现对工件的自动光谱测试分筛，研制自动光谱测试分筛系统。该文采用光谱曲线重合度算法及颜色判定方法，根据采集光谱曲线参数研究光谱曲线重合度算法，包括重合度函数法、寻峰法和固定点特征值法等，同时研究利用色差值进行颜色判定的方法。实验表明：光谱测量精度达到纳米级，样品测试错误率小于0.5%，该方法高效、稳定可靠、精度高。

光谱测试；自动测试；自动分筛；颜色判定

0 引 言

在光学薄膜制备及其应用行业（如舞台灯光、数码光学、光通信、生物检测、平板显示、特种玻璃、太阳能电池板及LED产品制造等），其光学器件产品光学性能的检测，光学薄膜产品的谱线分析、分筛筛选均依赖于光谱仪器来完成。由于涉及的技术参数、产品种类和数量多，且此类产品具有高精密性、高附加值性，必须对产品进行逐一检测[1]。故有针对性地研制一种高精密、高效率且自动化程度较高的光谱测试分筛系统是非常必要的。

目前，国内外同类研究领域有各种光纤光谱仪，但它们都不能自动检测分筛，且不能自动成批量检测[2-4]。Lee.B等[5-6]详细评述光纤光谱仪现状，提出光纤光谱仪应向高效率、高精度、智能化等方向发展。本文在国内外光纤光谱检测系统基础上，研制批量自动光谱测试分筛系统，突破光学精密检测因高精密化低效低产而不能充分应用于工业化生产的局限。

1 自动光谱测试分筛系统的构成及其工作原理

1.1 自动光谱测试分筛系统硬件构成

图1为自动光谱测试分筛系统原理图，它由机械

运动子系统、光谱采集子系统以及计算机等组成。其中，光谱采集子系统由光源、光纤光谱仪构成；机械运动子系统由多轴工作台、Z轴运动部件、底座、支撑座和伺服运动系统构成。进行测量时，由运动控制系统精确定位，光谱采集系统获取样品光谱数据，由软件进行测量及结果判定。

1.2 自动光谱测试分筛系统工作原理

自动光谱测试分筛系统工作路线如图2所示，光源发出的标准光经输入光纤传输到置于批量测试机械平台上的待测样品上方，标准光从样品透射或者反射后变为携带该样品光谱信息的信号光，其进入输出光纤后传入可实时读取光谱的光纤光谱仪，信号光被CCD器件检测后变成光电信号，经数据采集卡进行A/ D转换为数字信号后由集成软件从USB口读入，通过集成软件对采集数据进行处理、计算、分析后，得到测试样品的光谱曲线数据，并将相关数据存储。

2 光谱判定分筛标准的选取

在光学镀膜行业的颜色滤光片出货过程中，由于镀膜机镀膜时各种条件如基片加热温度、镀室洁净程度等的差别，导致每一炉产品的颜色不一致，同时由于镀膜时均匀性控制问题，也使得同一炉产品颜色不一致，故需对出厂的每一片产品进行颜色测量与评价判定。

颜色滤光片等级自动判定主要有两种方法：一种是测量颜色滤光片的可见光范围内的光谱曲线，然后与标准样板颜色滤光片的光谱曲线进行对比；另一种是测量颜色滤光片的Lab值，计算出与标准样板颜色滤光片之间的色差。

2.1 根据光谱曲线自动判定

图3为某公司红色样板的光谱曲线，图4、图5分别是质控人员目测判定合格的样品1和样品2与样板的光谱曲线比较图。图6为质控人员目测不合格的样品3与样板的光谱曲线比较图（样板光谱曲线为黑色曲线，目测判定合格与不合格的光谱曲线为红色曲线）。

判定两条曲线的重合度可采用重合度函数、寻峰法、固定点特征值法3种评价方法[7-8]。

2.1.1 用重合度函数进行评价

重合度评价函数公式为

式中：n1——样品测量值；

n2——样板测量值。

用此函数可以计算出f（1）=1.37，f（2）=1.60，f（3）= 2.04。如果以目测为标准，可取f（x）=1.60为门限值，低于该值合格，高于该值不合格，但仍存在着异谱同色的可能。目测颜色相同的两块滤光片，有可能光谱曲线完全不同，在这种情况下用重合度评价函数来进行评价，是不合理的。只有在同一厂家用同一种膜系生产出来的颜色滤光片之间，才适合用重合度评价函数来对滤光片进行自动判定。

2.1.2 用寻峰法进行评价

表1为样板与各样品峰值点的数据，从表中可以看出，各光谱曲线的峰值点数量不一，且特征峰值点不明显，不适用于计算机自动判定。

2.1.3 用固定点特征值法进行评价

从表2和图3～图6可以看出，根据样板的光谱曲线所获取的特征值点，在各样品曲线中不是特征值点。独立取样板光谱曲线几个点的数值没有意义，在这几个点之间的光谱曲线有可能发生变化而完全不同，计算机的自动判定结果会产生较大误差。

2.2 根据色差值自动判定

1976年CIE推出了新的颜色空间及有关色差公式，即CIE1976LAB（或L*a*b*）系统，现在已为世界各国正式采纳，成为国际通用的测色标准[9]。它适用于一切光源色或物体色的表示与计算。色差公式为

根据式（2）计算出在2°视角D65光源条件下的色差值，见表3。可以看出，如果将色差门限值设为2.0，那么自动判定的结果将与目测结果相同。

3 测试与结果

根据上述判定标准的研究，最终采用光谱曲线分级判定与颜色Lab值分级判定两种方法，且同时采用这两种分级标准。

3.1 测试方法

首先测试样板的光谱曲线，作为标准光谱曲线。然后根据样板光谱曲线的特征和Lab值，设置光谱曲线判定条件和色差值判定条件。待电脑采集数据，检测分类完成后，发出分类指令，最后拾取装置与样品，通过运送装置将样品运送到分类区放置。

3.2 测试结果

从表4可以看出，自动测试的错误率低于0.5%，远小于目测的错误率。

3.3 第三方测试结果

广州计量测试技术研究院对本系统进行检测（测试报告编号CG-20110711）：检测100次，检测总时间28s，正确识别100次，识别误判率为0%。

Research and development of automatic spectral test and classification system

WANG Xiao-hui，CAO Yi-ming，MO Zhong
（Guangzhou Research Institute of Optics-Mechanics-Electricity Technology，Guangzhou 510663，China）

To realize automatic spectral test and classification for workpieces，an automatic system for spectral test and classification is researched and developed.The system uses spectral curve matching algorithm and color decision method to do the research.Firstly，mechanical motion and spectral acquisition subsystems were developed.The spectral curve matching algorithm was studied according to the parameters of captured spectral curve，which includes coincidence function，peak search method and the fixed-point characteristics value method.Then，the color difference value was used for studying the color determination method.Finally，through experimental tests，the spectral measurement accuracy reaches to the nanoscale，the test error is in the range of 0.5%.The results indicate this automatic spectral test and classification system is able to meet the requirements of efficient，stable and reliable，high precision.

spectral test；automatic measuring；automatic classification；color decision

O433.1；TN911.7；TP274+.3；TP753

：A

：1674-5124（2014）04-0087-03

10.11857/j.issn.1674-5124.2014.04.022

2014-01-11；

：2014-04-05

广东省部产学研项目（2012B091100057）

王小辉（1963-），男，广东广州市人，高级工程师，硕士，主要从事光学镀膜及光机电一体化研究。