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。
目标定位是计算机视觉领域中基本的任务之一,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。
设备特点◆ 检测功能:对比工件(图标、颜色、纹理)于模板,从而判断被测物品是否存在瑕疵;◆ 对位功能:判断物体是否在期望的位置上,并反馈数据;◆ 测量功能:测量工件的长度、宽度、高度、角度、面积、体积;测量对象塑料薄膜产业(双拉膜、流延膜、吹膜、光学膜、薄膜涂布、塑料板材卫材薄膜等);无纺布产业(无纺布涂料、纺粘无纺布、水刺无纺布等);PCB产业(铜箔、Poly Preg、玻纤布、Cooper Laminate、PP纸等);同时,还可以使用红外热像技术进行建筑节能检测、智能家居检测等。在环保领域,缺陷检测可以用于汽车尾气检测、工业废气检测等。
总之,缺陷检测在生产制造和质量检测中起着至关重要的作用,可以提高产品质量和生产效率,减少废品率和安全事故的发生。
缺陷检测是一项重要的技术服务,用于发现和评估材料、结构或设备中的缺陷、疵点或异常情况。它可以应用于多个领域,包括制造业、建筑业、航空航天、汽车工业等。