手机镜头是手机摄像模组的关键部件,为保证手机镜头的成像质量,需要对其内外部进行各个角度、各种缺陷的检测。
对于手机镜头的缺陷检测,目前无法进行有效的检测。通常还是依赖于人工借助显微镜的方式进行检测,此检测方法存在以下缺点:
1、人工检测劳动强度大,效率低;
2、人工检测标准主要依靠感官判断,人员之间的标准差异大;
3、镜头的结构复杂,人工极容易出现漏检。
根据本发明的一个方面,在所述步骤s24中:
将同一位置处的缺陷筛选出来后,利用设定大小的矩形核膨胀得到比实际缺陷略大的roi区域,提炼出所述roi区域大小的原图;
根据公式:c=∑δδ(i,j)2pδ(i,j)计算出所述roi区域图像的对比度,筛选出同一位置处对比度缺陷作为表现清晰的缺陷;
其中δ(i,j)=|i-j|表示相邻像素间灰度差,pδ(i,j)表示相邻像素间的灰度差值为δ的像素分布概率。
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产品缺陷检测的宣雄于2024/6/28 12:10:26发布
转载请注明来源:http://szhou.mf1288.com/szxxznlj-2777425152.html