因为手机镜头的端面区域和凸台区域存在一定的高度差,现有技术中需要拍摄两张图像并进行两次算法检测,导致检测速度慢、cpu负载高。而本发明的端面和凸台检测方法有效地解决了这一问题,具体来说,根据本发明的一种实施方式,本发明的端面和凸台检测方法需要对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,y2,phi2)分别代表定位的x坐标、y坐标和角度:
之后对凸台图片进行仿射变换后与端面图片对齐,
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ocr字符检测批发的宣雄于2024/4/29 7:50:36发布
转载请注明来源:http://m.herostart.com/qynews/szxxznlj-2743724842.html