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。
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视觉缺陷检测的宣雄于2024/4/28 6:02:05发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2743046083.html