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。
将符合缺陷标准的所有缺陷放入到缺陷容器中。
根据本发明的一个方面，所述步骤s3包括：
s31、通过旋转光源获得多张图片，将每张图片的镜片区域减去屏蔽区域获得每一张图片的检测区域；
s32、将多张图片的所有检测区域进行值法融合为一张用于缺陷表达图片作为检测图片；
s33、对所述检测图片进行分割，筛选出同一位置处的缺陷判断产品是否合格。
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。
以上信息由专业从事视觉缺陷检测的宣雄于2024/5/10 5:57:32发布
转载请注明来源：http://szhou.mf1288.com/szxxznlj-2749843792.html
