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，字符检测系统，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。
具体来说，根据本发明的一种实施方式，检测中文字符，首先在步骤s21中，利用层拍相机沿z轴方向对镜头内部进行层拍获得50张图片，将50张图片按照顺序每5张分为一组，共分为10组。然后对每一组图片进行缺陷分割和识别，在线字符检测，将符合缺陷标准的所有缺陷放入到缺陷容器中。接着将位于同一位置处的多个缺陷筛选出来，筛选方法是通过在同一位置处计算缺陷中心距离偏差值，保留偏差值小于设定距离阈值的所有缺陷作为该位置不同层的缺陷。
目标定位是计算机视觉领域中基本的任务之一，字符检测，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， 基于深度学习的目标检测方法层出不穷，-般来说， 基于深度学习的缺陷
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。
字符检测-宣雄智能科技-字符检测系统由苏州宣雄智能科技有限公司提供。苏州宣雄智能科技有限公司是从事“缺陷检测,摄像头缺陷检测”的企业，公司秉承“诚信经营，用心服务”的理念，为您提供更好的产品和服务。欢迎来电咨询！联系人：朱秀谨。