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。
下面结合附图和具体实施方式对本发明作详细地描述,实施方式不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施方式。
如图1所示,本发明的镜头缺陷检测方法包括s1、对镜头的端面、凸台进行缺陷检测;s2、对镜头内部结构进行缺陷检测;s3、对镜头上表面和下表面进行缺陷检测。根据本发明的构思,本发明的检测方法在实际操作中,检测方法的步骤s1、步骤s2和步骤s3是可以任意调换的。
检测对象:钢表面缺陷
主要方法:基于Faster R-CNN的带钢表面缺陷检测网络,该网络的改进在于提出的多级特征融合网络( MFN )
将多个分层特征组合成一个特征 ,可以包括缺陷的更多位置细节。基于这些多级特征,采用区域提议网络
( RPN )生成感兴趣区域( ROI ) .在缺陷检测数据集NEU-DET.上,提出的方法在采用ResNet-50的
backbone'下实现了82.3%的mAP。
以上信息由专业从事ocr字符检测批发的宣雄于2024/4/20 6:05:22发布
转载请注明来源:http://szhou.mf1288.com/szxxznlj-2738431383.html