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。
本发明对于镜头内部结构的检测方法,提高了断层扫描图像缺陷搜索的准确度与精度。不会因为搜索到非对焦缺陷,导致算法误检。且对点子等检测精度,由原来相差±10um,提高到了±5um以内。
本发明对于镜头端面和凸台的检测方法,针对端面与凸台检测的耗时,由原两张图片分别导入显卡中进行gpu运算深度学习模型,现在仅需要导入一张图片进行深度学习运算极大的降低了gpu运算的消耗,计算耗时由原1600ms,下降至900ms左右,极大的提升了效率。
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缺陷检测系统的宣雄于2024/6/20 13:08:10发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2773122029.html
上一条:结构加固施工承诺守信「多图」