МОДЕЛЮВАННЯ ТОПОГРАФІЇ МІКРОПОДРЯПИН НА ДЗЕРКАЛЬНИХ ПОВЕРХНЯХ

Oleksandr Kravchenko; Oleksii Haluza; Alla Savchenko; Stanislav Pohorielov; Anton Rogovyi

doi:10.26906/SUNZ.2025.2.145

Автор(и)

Oleksandr Kravchenko
Oleksii Haluza
Alla Savchenko
Stanislav Pohorielov
Anton Rogovyi

DOI:

https://doi.org/10.26906/SUNZ.2025.2.145

Ключові слова:

моделювання, топографія, мікроцаподряпини, алгоритм, інтерполяція

Анотація

Предметом дослідження є моделювання топографії дефекту типу мікроподряпина на плоскій дзеркальній поверхні із застосуванням сучасних алгоритмічних підходів, які забезпечують відтворення гладких профілів дефектів із високою відповідністю реальним даним. Мета роботи — розробити алгоритм синтезу топографічних карт для моделювання мікроподряпин із гладкими та реалістичними профілями, що враховує природні флуктуації глибини й область впливу дефекту. Вирішуються завдання: 1) розробка математичної моделі, що враховує ключові характеристики мікроподряпин; 2) забезпечення плавного переходу між дискретними точками профілю мікроподряпини; 3) моделювання флуктуації глибини та області впливу дефекту. Використовуються методи: алгоритмічне моделювання цифрових карт висот, яке базується на синтезі поперечного перерізу подряпини з заданими параметрами; кубічна сплайнова інтерполяція для забезпечення гладкості профілів і точного відтворення контурів; синусоїдальна модуляція глибини з урахуванням амплітуди і частоти коливань та нелінійні функції затухання (експоненціальне й косинусне) для детального опису розподілу впливу дефекту в просторі. Також застосовано пакетний режим генерації синтетичних даних, що дозволяє варіювати ключові параметри моделі (максимальне заглиблення, ширину області впливу, коефіцієнт амплітуди модуляції, частоту коливань та параметри затухання), що забезпечує отримання широкого спектру варіантів топографії мікроподряпин. Результати: cинтетичні карти висот показали високу відповідність експериментальним даним, підтверджуючи ефективність моделі в реальних умовах і її переваги для систем автоматичного контролю оптичних поверхонь. Висновки: розроблена модель має значний потенціал для інтеграції в системи аналізу дефектів, сприяє підвищенню надійності оптичних пристроїв та є перспективною для подальших досліджень, зокрема, для інтеграції з методами глибокого навчання та подальшої експериментальної валідації.

Завантаження

Дані завантаження ще не доступні.

Посилання

1. Stover J. C. (2012), "Optical Scattering: Measurement and Analysis", SPIE Press, Bellingham, WA. https://doi.org/10.1117/3.975276

2. [Zhongkai Liu, Jincheng Wang, Rongkuan Leng, Xiaokun Wang, Min Zhang, Jing Wang, Mengxue Cai, Wenhan Li, Bin Liu, Lingzhong Li, Qiang Cheng, Longxiang Li, Xiao Luo, Xuejun Zhang. Impact of mirror local defects on system scattering in telescopes // Results in Physics. – 2024. – Vol. 56. – 107265. https://doi.org/10.1016/j.rinp.2023.107265

3. Cao H., Peng X., Shi F., Tian Y., Kong L., Chen M., Hao Q. Advances in Subsurface Defect Detection Techniques for Fused Silica Optical Components: A Literature Review // Journal of Materials Research and Technology. – 2025. – Vol. 35. – P. 809-835. https://doi.org/10.1016/j.jmrt.2025.01.045

4. Galuza A., Shkoda M., Tevyasheva O., Belyaeva A., Savchenko A., Kolenov I. Modeling and Synthesis of Monochrome Interference Patterns of Flat Optical Surfaces with Typical Defects for Automatic Surface Quality Control // 2020 10th International Conference on Advanced Computer Information Technologies (ACIT): Conference Proceedings, Deggendorf, Germany, 16-18 Sept. – 2020. - P. 344-347. https://doi.org/10.1109/ACIT49673.2020.9208908

5. Monnet J., Petrovic O., Herfs W. Investigating the generation of synthetic data for surface defect detection: A comparative analysis // Procedia CIRP. – 2024. – Vol. 130. – P. 767–773. https://doi.org/10.1016/j.procir.2024.10.162

6. [Mei L., Guan G. Profilometry and atomic force microscopy for surface characterization // Nano TransMed. – 2023. – Vol. 2, Issue 1. – e9130017. https://doi.org/10.26599/NTM.2023.9130017

7. Gutierrez P., Luschkova M., Cordier A., Shukor M., Schappert M., Dahmen T. Synthetic training data generation for deep learning based quality inspection // Proc. of SPIE. – 2021. – Vol. 11794. – 1179403. https://doi.org/10.1117/12.2586824

8. Discrete Geometry for Computer Imagery / Ed.: Couprie M., Cousty J., Kenmochi Y., Mustafa N. – Springer, Cham, 2019. – 496 p. https://doi.org/10.1007/978-3-030-14085-4

9. Bosch C., Pueyo X., Mérillou S., Ghazanfarpour D. A Physically-Based Model for Rendering Realistic Scratches // Computer Graphics Forum. – 2004. – Vol. 23, Issue 3. – P. 361-370. https://doi.org/10.1111/j.1467-8659.2004.00767.x

10. Shorten C., Khoshgoftaar T. M. A Survey on Image Data Augmentation for Deep Learning // Journal of Big Data. – 2019. - Vol. 6, No. 1. - P. 60. https://doi.org/10.1186/s40537-019-0197-0

11. H. Müser M. H., Nicola L. Modeling the surface topography dependence of friction, adhesion, and contact compliance // MRS Bulletin. – 2022. – Vol. 47. – P. 1221-1228. https://doi.org/10.1557/s43577-022-00468-2

12. Lagae A., Lefebvre S., Cook R., DeRose T., Drettakis G., Ebert D.S., Lewis J.P., Perlin K., Zwicker M. A Survey of Procedural Noise Functions // Computer Graphics Forum. – 2010. – Vol. 29, Issue 8. – P. 2579-2600. https://doi.org/10.1111/j.1467-8659.2010.01827.x

13. Lyche T., Manni C., Speleers H. Foundations of Spline Theory: B-Splines, Spline Approximation, and Hierarchical Refinement. In: Lyche, T., Manni, C., Speleers, H. (eds) Splines and PDEs: From Approximation Theory to Numerical Linear Algebra. Lecture Notes in Mathematics, vol 2219. Springer, Cham. https://doi.org/10.1007/978-3-319-94911-6_1

14. Pawlus P., Reizer R. Profilometric measurements of wear scars: A review // Wear. – 2023. - Vol. 534–535. – 205150. https://doi.org/10.1016/j.wear.2023.205150

15. Kwon T.-Y., Ramachandran M., Park J.-G. Scratch formation and its mechanism in chemical mechanical planarization (CMP) // Friction. – 2013. – Vol. 1, Issue 4. – P. 279–305. https://doi.org/10.1007/s40544-013-0026-y

16. Zhang J. Classification and Comparison of Data Augmentation Techniques // Transactions on Computer Science and Intelligent Systems Research. – 2024. – Vol. 6. – P. 180–187. https://doi.org/10.62051/7e91md96