瑕疵检测-宣雄智能科技-非标产品瑕疵检测

目标定位是计算机视觉领域中基本的任务之一，非标产品瑕疵检测，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， 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。

根据本发明的一个方面，在所述s11中，对所述端面和凸台按照如下公式的模板匹配获得r(x，y)值时得到两组值(x1，y1，phi1；x2，瑕疵检测，y2，瑕疵检测系统，phi2)分别代表定位的x坐标、y坐标和角度：

根据本发明的一个方面，所述步骤s14包括：所述步骤s14包括：按照imagemerge1＝k1*image1+k2*image2+b对所述凸台图片和端面图片进行融合，再按照imagemerge2＝a*imagemerge1+b获得终的融合图片；

具体来说，表面瑕疵检测系统，根据本发明的一种实施方式，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，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。