根据本发明的一个方面,若计算的存在缺陷的多张图片的对比度之间的差值小于设定阈值,则计算每张图片缺陷区域的平均灰度,筛选具有平均灰度值的缺陷作为表现清晰的缺陷。
根据本发明的一个方面,若所检测的镜片检测区域为非球面镜片检测区域时,所述步骤s22包括:
将每组图片的非球面镜片检测区域分别采用模板匹配进行粗定位和圆拟合方式进行精定位;
将非球面镜片检测区域分割为多个圆环区域,对不同的圆环区域给予相对应的参数,利用全局阀值分割法、自动阀值分割法、动态阀值分割法或局部背景均值分割法对所述非球面镜片检测区域的缺陷进行分割;
接着利用自定义的核7*7,进行图像卷积运算提取端面图片高频分量:
再利用加权平均值算法,按照imagemerge1=k1*image1+k2*image2+b对凸台图片和端面图片进行融合,按照imagemerge2=a*imagemerge1+b获得终的融合图片,根据融合照片进行缺陷检测。其中imagemerge1表示初步融合图片,imagemerge2表示融合图片,a表示拉伸系数,b表示拉伸偏移;image1表示凸台图片,image2表示端面图片,k1表示凸台权重系数,k2表示端面权重系数。
目标定位是计算机视觉领域中基本的任务之一,同时它也是和传统意 义上缺陷检测接近的任务,其期的是获
得目标的位置和类别信息。目前, 基于深度学习的目标检测方法层出不穷,-般来说, 基于深度学习的缺陷
检测网络从结构.上可以划分为:以Faster R-CNN为代表的两阶段(two stage)网络和以SSD或YOLO为代表的一
阶段(one stage)网络。两者的主要差异在于两阶段网络需要首先生成可能包含缺陷的候选框(proal),然后在
进一步进行目标检测。-阶段网络直接利用网络中提取的特征来预测缺陷的位置和类别。
设备特点◆ 检测功能:对比工件(图标、颜色、纹理)于模板,从而判断被测物品是否存在瑕疵;◆ 对位功能:判断物体是否在期望的位置上,并反馈数据;◆ 测量功能:测量工件的长度、宽度、高度、角度、面积、体积;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);以上信息由专业从事字符检测工具的宣雄于2024/5/22 7:53:49发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2756743888.html
上一条:黄南陶土板图片服务周到「泰固源」