[发明专利]一种建立判别镜片疵病类型的模型的方法及装置

说明书

技术领域

本发明涉及检测领域，具体涉及一种建立判别镜片疵病类型的模型的方法及装置。

背景技术

眼镜是为校正视力或保护眼睛而制作的简单光学器件，眼镜镜片制造工艺复杂，精度要求高，在制造过程中往往会产生一些缺陷，例如气泡、羽毛、划痕等，这些缺陷严重影响镜片品质，因此在生产过程中，必须对镜片可能产生的各种疵病进行判别，便于及时对相应镜片进行恰当处理。

目前国内镜片疵病判别技术还不成熟，主要以人工检测、判别为主，结果容易受工作经验等主观因素的影响，漏检率较高且效率低。

发明内容

因此，本发明要解决的技术问题在于现有镜片疵病类型判别方法漏检率较高且效率低。

有鉴于此，本发明提供一种建立判别镜片疵病类型的模型的方法，包括：

获取待检测镜片图像样本；

将所述待检测镜片图像样本进行图像处理，确定所述待检测镜片图像样本中的疵病参数；

将多个所述待检测镜片图像样本和所述镜片图像样本的疵病参数作为训练数据，对神经网络模型进行训练，直至所述神经网络对所述镜片图像样本中镜片疵病类型的识别率大于预设阈值。

优选地，所述将所述待检测镜片图像样本进行图像处理的步骤，包括：

将所述待检测镜片图像转为数字信息图像；

根据所述数字信息图像中数字信息，得到所述待检测镜片图像样本中的疵病参数。

优选地，所述神经网络模型为卷积神经网络模型。

优选地，所述疵病参数包括：疵病的面积、周长、直径中至少一种。

相应地，本发明还提供一种建立判别镜片疵病类型的模型的装置，包括：

获取单元，用于获取待检测镜片图像样本；

确定单元，用于将所述待检测镜片图像样本进行图像处理，确定所述待检测镜片图像样本中的疵病参数；

训练单元，用于将多个所述待检测镜片图像样本和所述镜片图像样本的疵病参数作为训练数据，对神经网络模型进行训练，直至所述神经网络对所述镜片图像样本中镜片疵病类型的识别率大于预设阈值。

优选地，所述确定单元，包括：

处理单元，用于将所述待检测镜片图像转为数字信息图像；

第一确定单元，用于根据所述数字信息图像中数字信息，得到所述待检测镜片图像样本中的疵病参数。

优选地，所述神经网络模型为卷积神经网络模型。

优选地，所述疵病参数包括：疵病的面积、周长、直径中至少一种。

本发明提供的一种建立判别镜片疵病类型的模型的方法及装置，通过获取待检测镜片图像样本，将待检测镜片图像样本进行图像处理，确定待检测镜片图像样本中的疵病参数，将多个待检测镜片图像样本和镜片图像样本的疵病参数作为训练数据，对神经网络模型进行训练，直至所述神经网络对所述镜片图像样本中镜片疵病类型的识别率大于预设阈值，解决了现有镜片疵病类型判别方法漏检率较高且效率低的问题。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种建立判别镜片疵病类型的模型的方法的流程图；

图2是本发明另一实施例提供的一种建立判别镜片疵病类型的模型的装置的结构示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种建立判别镜片疵病类型的模型的方法，如图1所示，包括：

S11，获取待检测镜片图像样本。

S12，将所述待检测镜片图像样本进行图像处理，确定所述待检测镜片图像样本中的疵病参数。所述疵病参数包括：疵病的面积、周长、直径中至少一种。