[发明专利]一种基于深度学习的薄膜表面缺陷检测方法、系统及设备有效
申请号: | 201910694129.X | 申请日: | 2019-07-30 |
公开(公告)号: | CN110473179B | 公开(公告)日: | 2022-03-25 |
发明(设计)人: | 毛雪慧;陈果;闫龑;王洋 | 申请(专利权)人: | 上海深视信息科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06K9/62;G06V10/774;G06V10/80;G06N20/00 |
代理公司: | 上海国瓴律师事务所 31363 | 代理人: | 傅耀 |
地址: | 200241 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种基于深度学习的薄膜表面缺陷检测方法、系统及设备。一种基于深度学习的薄膜表面缺陷检测方法包括S1:对检材正面进行图像采集;S2:对所述检材反面进行所述图像采集;S3:进行图像预处理;S4:进行轮廓外观缺陷检测;S5:判断轮廓检测结果;S6:使用多通道进行融合,得到多通道融合图像;S7:导入预先训练好的深度学习模型中。一种基于深度学习的薄膜表面缺陷检测系统包括图像采集模块、图像预处理模块、图像融合模块和图像检测模块;一种基于深度学习的薄膜表面缺陷检测设备包括存储器和处理器。本发明的有益效果是:可在成本低廉前提下,对光学薄膜缺陷进行有效识别,减少人工成本,提高识别效率,且部署简单,可重复性较高。 | ||
搜索关键词: | 一种 基于 深度 学习 薄膜 表面 缺陷 检测 方法 系统 设备 | ||
【主权项】:
1.一种基于深度学习的薄膜表面缺陷检测方法,其特征在于,包括:/nS1:对检材正面进行图像采集,得到多张检材正面图像;/nS2:对所述检材反面进行所述图像采集,得到多张检材反面图像;/nS3:对所述多张检材正面图像与所述多张检材反面图像进行图像预处理,得到所述检材预处理图像;/nS4:对所述检材预处理图像进行轮廓外观缺陷检测,得到检材轮廓检测结果;/nS5:判断所述检材轮廓检测结果,如果轮廓外观正确进入下一步,否则输出轮廓错误并结束方法;/nS6:将所述检材预处理图像使用多通道进行融合,得到多通道融合图像;/nS7:将所述多通道融合图像导入预先训练好的深度学习模型中,得到检材判定结果。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海深视信息科技有限公司,未经上海深视信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910694129.X/,转载请声明来源钻瓜专利网。