[发明专利]光学元件缺陷批量自动识别装置和方法有效

专利信息
申请号: 201210091055.9 申请日: 2012-03-31
公开(公告)号: CN103366176B 公开(公告)日: 2018-05-01
发明(设计)人: 詹君;孙鸣洋;刘艾河 申请(专利权)人: 湖北山鹰光学有限公司
主分类号: G06K9/60 分类号: G06K9/60;G06K9/64;G01N21/958
代理公司: 北京戈程知识产权代理有限公司11314 代理人: 孙向民,王锦阳
地址: 434200 湖北省*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 光学 元件 缺陷 批量 自动识别 装置 方法
【权利要求书】:

1.一种光学元件缺陷批量自动识别装置,其特征在于,该装置包括:

光源,为拍摄标准镜片及待检测的镜片提供光照;

支架,用于盛放待检测的一批镜片;

图像采集装置,对多个标准镜片逐个进行拍照,并将所述多个标准镜片的照片输入分析装置;并对支架进行拍照,获得包含一批镜片的图像并输入所述分析装置;

分析装置,采用SIFT算法针对所述多个标准镜片的照片提取多个标准特征向量,形成比对库;对所述图像用拉普拉斯算子进行锐化,并用罗伯特算子进行边缘提取,然后将所述一批镜片中的每一个镜片的图像依次切割成多个子图片;使用SIFT算法依次提取每一个子图片的特征向量,并与比较库中的多个标准特征向量逐一进行比对并判断是否相似,若判断为与该子图片的特征向量相似的标准特征向量的数量低于预定的阈值,则将该子图片标记为不合格镜片。

2.根据权利要求1所述的光学元件缺陷批量自动识别装置,其特征在于,所述支架为平板型或伞形。

3.根据权利要求1所述的光学元件缺陷批量自动识别装置,其特征在于,所述图像采集装置为高清摄像头。

4.根据权利要求1所述的光学元件缺陷批量自动识别装置,其特征在于,将待检测的一批镜片以阵列形式布置于支架上。

5.根据权利要求1所述的光学元件缺陷批量自动识别装置,其特征在于,通过所述图像采集装置对支架进行多次拍照,并将获得的多幅待检测镜片的照片都输入分析装置,并通过分析装置自动地或人工地筛选出图像质量最好的一幅图像作为检测对象。

6.一种光学元件缺陷批量自动识别方法,其特征在于,该方法包括以下步骤:

S101,提供多个标准镜片,使用图像采集装置对所述多个标准镜片逐个进行拍照,并将所述多个标准镜片的照片输入分析装置;

S102,分析装置采用SIFT算法针对所述多个标准镜片的照片提取多个标准特征向量,形成比对库;

S103,将待检测的一批镜片安放在支架上;

S104,对支架进行拍照,获得包含所述一批镜片的图像并输入所述分析装置;

S105,分析装置对所述图像用拉普拉斯算子进行锐化,并用罗伯特算子进行边缘提取,然后根据所述一批镜片中的每一个镜片将图像中依次切割成多个子图片;

S106,使用SIFT算法依次提取每一个子图片的特征向量,并与比较库中的多个标准特征向量逐一进行比对并判断是否相似,若判断为与该子图片的特征向量相似的标准特征向量的数量低于预定的阈值,则将该子图片标记为不合格镜片。

7.根据权利要求6所述的光学元件缺陷批量自动识别方法,其特征在于,步骤S101中的标准镜片的数量为20个或更多。

8.根据权利要求6所述的光学元件缺陷批量自动识别方法,其特征在于,步骤S103中,将待检测的一批镜片以阵列形式布置于支架上。

9.根据权利要求6所述的光学元件缺陷批量自动识别方法,其特征在于,在步骤S104中,对支架进行多次拍照,并将获得的多幅待检测镜片的照片都输入分析装置,并通过分析装置自动地或人工地筛选出图像质量最好的一幅图像作为检测对象。

10.根据权利要求6所述的光学元件缺陷批量自动识别方法,其特征在于,通过分析装置自动在原待检测图片上该不合镜片的子图片的相应位置上标上特定符号。

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湖北山鹰光学有限公司,未经湖北山鹰光学有限公司许可,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/pat/books/201210091055.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top