根据本发明的一个方面,在所述s11中,对所述端面和凸台按照如下公式的模板匹配获得r(x,y)值时得到两组值(x1,y1,phi1;x2,y2,phi2)分别代表定位的x坐标、y坐标和角度:
根据本发明的一个方面,所述步骤s14包括:所述步骤s14包括:按照imagemerge1=k1*image1+k2*image2+b对所述凸台图片和端面图片进行融合,再按照imagemerge2=a*imagemerge1+b获得终的融合图片;
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。
以上信息由专业从事隐形眼镜缺陷检测厂家的宣雄于2024/6/26 12:14:58发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2776317129.html