本发明的目的在于提供一种高精度、、检测的镜头缺陷检测方法。
为实现上述目的,本发明提供一种镜头缺陷检测方法,包括:
s1、对镜头的端面、凸台进行缺陷检测;
骤s1包括:
s11、在所述镜头的端面或凸台上制作模板图像获得端面图片和凸台图片,并进行匹配定位;
s2、对镜头内部结构进行缺陷检测;
s3、对镜头上表面和下表面进行缺陷检测。
由于CNN强大的特征提取能力,采用基于CNN的分类网络目前已成为表面缺陷分类中的模式一般来说,现
有表面缺陷分类的网络常常采用计算机视觉中现成的网络结构,包括AlexNet, VGG, GoogL eNet,ResNet,
SENet, ShuteNet,MobileNet等。利用分类网络结合上滑动窗口的方式可以实现缺陷的定位。
Deep learning-based crack damage detection using convolutional neural networks
测量对象塑料薄膜产业(双拉膜、流延膜、吹膜、光学膜、薄膜涂布、塑料板材卫材薄膜等);无纺布产业(无纺布涂料、纺粘无纺布、水刺无纺布等);PCB产业(铜箔、Poly Preg、玻纤布、Cooper Laminate、PP纸等);纸张产业(原纸、涂布纸、文化纸、工业纸、合成纸等);金属产业(铝板、金属涂布、铜带、铜箔、不锈钢等);玻璃产业(显示器玻璃、Glass Tubes、CCFl tubes、比例涂布、压花玻璃等)测量元素表面瑕疵,长度、宽度、高度、角度、面积、体积。以上信息由专业从事隐形眼镜缺陷检测厂商的宣雄于2024/5/21 7:19:27发布
转载请注明来源:http://www.zhizhuke.cn/qyzx/qyxx-2756137487.html