一种UV光学胶的缺陷检测方法及检测系统技术方案

本发明专利技术提供了一种UV光学胶缺陷检测方法和系统，利用卷积神经网络对UV光学胶表面进行缺陷检测，方法包括图像采集、预处理、特征提取、缺陷检测和识别等步骤，首先，对图像进行统一尺寸调整、归一化、数据增强等预处理操作，然后，使用卷积神经网络通过多个卷积层、池化层进行特征提取，最终通过全连接层和Sigmoid激活函数判断图像中是否存在缺陷，该方法还引入区域提议网络生成潜在的缺陷区域，并提供缺陷位置和置信度，训练过程中，采用交叉熵损失函数和Adam优化器进行优化，系统包括图像采集设备、图像预处理模块、缺陷检测模块及缺陷识别模块，能够自动识别缺陷类型和定位缺陷位置，适用于高效、精确的UV光学胶缺陷检测。

【技术实现步骤摘要】

本专利技术涉及一种uv光学胶的缺陷检测方法及检测系统。

技术介绍

1、随着光学材料的广泛应用，uv光学胶在光学元件的制造过程中扮演着重要角色，尤其在光学设备、显示屏、光通讯等领域。然而，在生产过程中，uv光学胶的表面常常会出现各种缺陷，如气泡、裂纹、不均匀涂层、污染物等，这些缺陷会影响光学胶的性能，进而导致最终产品质量问题。因此，对uv光学胶表面缺陷进行及时、准确的检测显得尤为重要。

2、目前，uv光学胶缺陷的检测方法主要依赖于人工检测和传统的计算机视觉技术。人工检测虽然直观，但受限于操作人员的经验和判断力，容易出现漏检和误检的情况，且效率较低，无法满足大规模生产的需求。传统的计算机视觉检测方法通常基于图像处理算法，如边缘检测、模板匹配和阈值分割等。这些方法依赖于预设的规则和特征，对于复杂和微小的缺陷检测效果较差，尤其是在光照变化、表面纹理复杂或缺陷较小的情况下，检测精度会受到影响。

3、近年来，深度学习，尤其是卷积神经网络(cnn)，在图像识别和缺陷检测领域取得了显著进展。相比于传统的图像处理方法，深度学习模型能够自动从大量图像数本文档来自技高网...

【技术保护点】

1.一种UV光学胶的缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的UV光学胶的缺陷检测方法，其特征在于，训练过程中使用的损失函数为交叉熵损失函数，所述交叉熵损失函数定义为：

3.根据权利要求1所述的UV光学胶的缺陷检测方法，其特征在于，使用的优化算法为Adam优化器，其更新规则为：

4.根据权利要求1所述的UV光学胶的缺陷检测方法，其特征在于，缺陷检测采用目标检测模型，进一步包括在卷积神经网络中引入区域提议网络来生成潜在的缺陷区域，所述区域提议网络的输出为边界框坐标(x1，y1，x2，y2)和对应的缺陷置信度得分s，具体计算公式为：...

【技术特征摘要】

1.一种uv光学胶的缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的uv光学胶的缺陷检测方法，其特征在于，训练过程中使用的损失函数为交叉熵损失函数，所述交叉熵损失函数定义为：

3.根据权利要求1所述的uv光学胶的缺陷检测方法，其特征在于，使用的优化算法为adam优化器，其更新规则为：

4.根据权利要求1所述的uv光学胶的缺陷检测方法，其特征在于，缺陷检测采用目标检测模型，进一步包括在卷积神经网络中引入区域提议网络来生成潜在的缺陷区域，所述区域提议网络的输出为边界框坐标(x1，y1，x2，y2)和对应的缺陷置信度得分s，具体计算公式为：

5.根据权利要求1所述的uv光学胶的缺陷检测方法，其特征在于，训练过程中使用...

【专利技术属性】
技术研发人员：宋志国，胡云睿，吕本荣，
申请(专利权)人：浙江国能科技有限公司，
类型：发明
国别省市：