瑕疵检测-宣雄智能科技-产品瑕疵检测

根据本发明的一个方面，若计算的存在缺陷的多张图片的对比度之间的差值小于设定阈值，则计算每张图片缺陷区域的平均灰度，筛选具有平均灰度值的缺陷作为表现清晰的缺陷。

根据本发明的一个方面，若所检测的镜片检测区域为非球面镜片检测区域时，瑕疵检测设备，所述步骤s22包括：

将每组图片的非球面镜片检测区域分别采用模板匹配进行粗定位和圆拟合方式进行精定位；

将非球面镜片检测区域分割为多个圆环区域，对不同的圆环区域给予相对应的参数，利用全局阀值分割法、自动阀值分割法、动态阀值分割法或局部背景均值分割法对所述非球面镜片检测区域的缺陷进行分割；

目标定位是计算机视觉领域中基本的任务之一，工业瑕疵检测，同时它也是和传统意 义上缺陷检测接近的任务，其期的是获

得目标的位置和类别信息。目前，瑕疵检测， 基于---学习的目标检测方法层出不穷，-般来说， 基于---学习的缺陷

检测网络从结构.上可以划分为:以faster r-cnn为代表的两阶段(two stage)网络和以ssd或yolo为代表的一

阶段(one stage)网络。两者的主要差异在于两阶段网络需要首先生成可能包含缺陷的候选框(proal)，然后在

进一步进行目标检测。-阶段网络直接利用网络中提取的特征来预测缺陷的位置和类别。