其中imagemerge1表示初步融合图片,imagemerge2表示融合图片,k1代表image1的权重系数,k2代表image2的权重系数,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。
根据本发明的一个方面,所述步骤s2包括:
s21、利用层拍相机沿z轴方向对镜头内部进行层拍获得多张图片,并按照顺序等分为多组;
s22、对每一组图片进行缺陷分割和识别,将符合缺陷标准的所有缺陷放入到缺陷容器中;
s23、在所述缺陷容器中,通过比较缺陷中心距离偏差值将同一位置处的缺陷筛选出来;
s24、根据清晰度算法筛选出同一位置处表现为清晰的缺陷,按照此缺陷判断其尺寸是否为缺陷产品。
本发明对于镜头上下表面的检测,通过镜片区域减去屏蔽区域获得有效检测区域,并将多张图片的有效检测区域进行融合,进行一次缺陷检测,有效提升了检测结果的准确性。
以上所述仅为本发明的一个方案而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
1.1缺陷的定义
当前对于缺陷有两种认知的方式,种是有监督的方法,也就是体现在利用标记了标签(包括类别、矩形框
或逐像素等)的缺陷图像输入到网络中进行训练.此时'缺陷意味着标记过的区域或者图像。第二种是无监督的
方法,就是将正常无缺陷的样本进行学习,学习正常区域的特征,网络检测异常的区域。
缺陷检测的任务大致分为三个阶段分别是缺陷分类、缺陷定位、缺陷分割,如下图所示,缺陷分类需要分类出
缺陷的类别(色、空洞、经线) ; 缺陷定位不仅需要获取缺陷的类别还需要标注出缺陷的位置; 缺陷分割将
缺陷逐像素从背景中分割出来。
以上信息由专业从事视觉缺陷检测的宣雄于2024/5/14 9:44:04发布
转载请注明来源:http://m.tz1288.com/qynews/szxxznlj-2752393643.html