Para satisfacer los requisitos de alta eficiencia y alta precisión en la detección de la planitud del detector de telescopios de gran apertura y gran campo de visión, este artículo propone un método de segmentación basado en agrupamiento K-means que integra restricciones de información de bordes para detectores ensamblados. Este método, como un paso clave de preprocesamiento antes de la evaluación de la planitud, puede extraer de manera efectiva regiones con estructuras regulares, mejorando la precisión y estabilidad del cálculo posterior de indicadores de planitud. Es aplicable a tareas de inspección de detectores en múltiples etapas y bajo múltiples condiciones de operación. Primero, se analizan las características estructurales del detector ensamblado y se construye un método para procesar los datos de nube de puntos del detector ensamblado. Luego, se extraen características de grietas de borde y se mejora la continuidad de los bordes; la selección adaptativa de centros de agrupamiento iniciales basada en el conjunto de puntos dentro de áreas cerradas evita la inestabilidad de convergencia causada por la inicialización aleatoria. Finalmente, se introducen un término de penalización de bordes y un mecanismo de detección de valores atípicos de altura en la función objetivo de K-means, logrando una segmentación refinada de la nube de puntos del detector mediante optimización iterativa. Los resultados experimentales muestran que el método de inicialización de centroides basado en áreas cerradas reduce el número medio de iteraciones y evita la preconfiguración manual del número de grupos. En comparación con métodos tradicionales, la introducción de restricciones de bordes y criterios de anomalías de altura mejora la precisión de la coincidencia de bordes en más del 50%. Este método puede lograr una segmentación efectiva de nubes de puntos de conjuntos de detectores ensamblados, proporcionando un método eficiente para la fabricación y uso de detectores de telescopios de gran apertura.

Telescopio optoelectrónico de gran apertura; detector ensamblado; segmentación de nubes de puntos; detección de bordes; agrupamiento