根据本发明的一种实施方式,在步骤s3中,首先获得9张不同角度的图片,对第0幅图片进行镜片区域定位,然后对剩余8张图片的镜片区域进行主动区域屏蔽,分别获得每一张图片的检测区域,即通过镜片区域减去屏蔽区域的方式获得每一种图片的检测区域,然后所有检测区域进行值法融合为一张检测图片,进行全局阈值分割方法、动态阈值分割方法或均值阈值分割方法进行分割,对于不同张图片同一位置处的缺陷选取面积缺陷作为该位置的缺陷,判断产品是否合格。
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检测中文字符的宣雄于2023/5/20 6:50:30发布
转载请注明来源:http://maoming.mf1288.com/szxxznlj-2521282907.html