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。
并且，每经过一个步骤，需要判定产品是否为合格产品，再进行下一步检测。例如，可以先对镜头的端面、凸台进行缺陷检测，若检索结果判定产品为合格产品，则进行产品下料，重选换下一个产品进行检测。若检测产品为合格产品，则进行下一步骤例如s3进行检测。
本发明的镜头缺陷检测方法，能够对镜头进行的检测，包括对镜头端面和凸台的缺陷检测、对镜片区域内尘、内脏、脱模、毛丝等缺陷检测、对镜片、胶水、镜筒伤的检测和对镜头上表面和下表面的检测。并且检测方法具有高精度、的优点。
检测对象:布匹缺陷
主要方法:作者使用一个多层的CNN网络对布匹缺陷数据集中的六类缺陷样本进行分类,分类结束之后,对于
每一类样本进行缺陷检测。具体做法是: 1.使用滑动窗口的方法在512*512的原图上进行采样,采样大小为
128*128 ; 2.对上部分每一类图像采样后的小图像块进行二 -分类(有缺陷和无缺陷)。下图为文章两次分类使
用的CNN网络,两次分类的区别在于: 1.全连接层的输入分别为6和2 ; 2输入的图像尺日
以上信息由专业从事表面瑕疵检测系统的宣雄于2024/5/10 6:42:52发布
转载请注明来源：http://szhou.mf1288.com/szxxznlj-2749875603.html
