将符合缺陷标准的所有缺陷放入到缺陷容器中。
根据本发明的一个方面,所述步骤s3包括:
s31、通过旋转光源获得多张图片,将每张图片的镜片区域减去屏蔽区域获得每一张图片的检测区域;
s32、将多张图片的所有检测区域进行值法融合为一张用于缺陷表达图片作为检测图片;
s33、对所述检测图片进行分割,筛选出同一位置处的缺陷判断产品是否合格。
1.1缺陷的定义
当前对于缺陷有两种认知的方式,种是有监督的方法,也就是体现在利用标记了标签(包括类别、矩形框
或逐像素等)的缺陷图像输入到网络中进行训练.此时'缺陷意味着标记过的区域或者图像。第二种是无监督的
方法,就是将正常无缺陷的样本进行学习,学习正常区域的特征,网络检测异常的区域。
缺陷检测的任务大致分为三个阶段分别是缺陷分类、缺陷定位、缺陷分割,如下图所示,缺陷分类需要分类出
缺陷的类别(色、空洞、经线) ; 缺陷定位不仅需要获取缺陷的类别还需要标注出缺陷的位置; 缺陷分割将
缺陷逐像素从背景中分割出来。
可持续发展。通过优化使用能源和资源以及更有效的回收利用可以改善环境。稳定和优化的流程,早期认识到生产过程中的趋势和不规则性,机器视觉检测为实现未来的智能工厂铺平了道路。生产灵活,现代机器视觉检测系统的灵活性,无需复杂的编程,操作简单,易于设置。
提高生产力和竞争力。现代生产是自动化的,只有使用机器视觉检测设备,公司才能持续保护竞争力,防止关键技术的迁移,创造合格的工作岗位并占领新的市场。符合人体I程学的工作场所,单调和枯燥的任务由机器来操作, 机器视觉系统确保的人机交互,从而确保更先进和安全的工作场所。
以上信息由专业从事瑕疵检测系统的宣雄于2024/7/16 7:44:56发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2786546427.html