在先进光学制造与超精密加工领域，实现表面缺陷（如划痕、麻点、气泡）的数字化定量检测，是保障技术可持续发展的关键环节。随着制造业对产品质量和竞争力的日益重视，广泛采用机器视觉技术实现检测自动化已成为必然趋势。精密元件的表面质量通常通过面形、粗糙度和表面缺陷等参数评价。然而，与前两者已有成熟的商用检测仪器（如干涉仪、轮廓仪）不同，表面缺陷的标准化数字化检测设备至今仍是行业空白。尽管20世纪光学制造技术取得了巨大飞跃，但直到21世纪初，科研人员才逐渐认识到：当元件面形和粗糙度得到良好控制后，表面缺陷正日益成为制约工艺水平和性能提升的主要瓶颈。特别是在惯性约束聚变、超大规模集成电路、高端制造等对光学精度要求极高的领域，任何孤立的亚微米级微观缺陷都可能导致系统灾难性失效，而这些领域恰恰是国家综合实力的关键体现。

浙江大学杨甬英教授团队的研究即起源于解决惯性约束聚变系统中大口径超光滑元件表面缺陷的定量评价难题——需要在大至数百毫米的宏观表面上检测出亚微米量级的微观瑕疵。为此，团队二十余年来专注于利用机器视觉方法实现划痕、麻点类缺陷的定量评价。区别于市面上侧重图像处理算法的机器视觉书籍，聚焦光学表面缺陷的数字化定量检测这一前沿领域，系统阐述以下创新成果：

一、理论突破

• 建立基于有限时域差分法（FDTD）的显微散射暗场成像模型，实现亚微米级缺陷在强光照射下的电磁散射仿真。

• 首创表面缺陷散射光近/远场逆向识别数据库，为微观缺陷的逆向标定提供理论依据。

二、关键技术

• 提出光线追迹成像仿真理论与辐度学散射表征方法，替代传统实验调试，实现检测系统参数化虚拟建模。

• 攻克高次曲面/非球面缺陷检测难题：通过最优照明布局、自动定中建模及投影变换图像拼接技术，实现全口径三维缺陷数字化评价。

三、工业化应用

• 研发基于深度学习的缺陷识别算法（目标识别网络、语义分割网络、类别不平衡半监督学习），解决玻璃面板与复杂装配体在线检测需求。

• 主导制定国家标准 GB/T 41805-2022（显微散射暗场成像法），填补表面缺陷标准化检测空白。

浙江大学杨甬英教授团队深耕表面缺陷数字化定量检测领域多年，聚焦于光学表面缺陷成像的定量评估,讨论了对缺陷的评价的国际标准、美标及国标，并建立了新颖的表面缺陷数字化定量评价体系。

《机器视觉中的光学成像及缺陷评价》为清华大学出版社发表“十四五”国家重大出版工程《变革性光科学与技术丛书》的核心著作。为解决光学制造中表面缺陷“无标可依”的行业痛点提供理论工具与方法体系，助推检测设备国产化进程。同时为光学成像与缺陷检测领域的研究者及工程师提供系统性解决方案，加速机器视觉技术在超精密制造中的创新应用，推动我国光学检测技术跻身国际领先行列。