手机镜头是手机摄像模组的关键部件,为保证手机镜头的成像质量,需要对其内外部进行各个角度、各种缺陷的检测。
对于手机镜头的缺陷检测,目前无法进行有效的检测。通常还是依赖于人工借助显微镜的方式进行检测,此检测方法存在以下缺点:
1、人工检测劳动强度大,效率低;
2、人工检测标准主要依靠感官判断,人员之间的标准差异大;
3、镜头的结构复杂,人工极容易出现漏检。
根据本发明的一种实施方式,在步骤s3中,首先获得9张不同角度的图片,对第0幅图片进行镜片区域定位,然后对剩余8张图片的镜片区域进行主动区域屏蔽,分别获得每一张图片的检测区域,即通过镜片区域减去屏蔽区域的方式获得每一种图片的检测区域,然后所有检测区域进行值法融合为一张检测图片,进行全局阈值分割方法、动态阈值分割方法或均值阈值分割方法进行分割,对于不同张图片同一位置处的缺陷选取面积缺陷作为该位置的缺陷,判断产品是否合格。
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
以上信息由专业从事瑕疵检测设备的宣雄于2024/6/23 12:23:40发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2774735139.html
上一条:结构加固施工承诺守信「多图」