[发明专利]一种基于U_Net网络的光学镜片表面划痕检测方法

说明书

本发明公开了一种基于U_Net网络的光学镜片表面划痕检测方法，涉及光学镜片技术领域；它的方法如下：步骤一：划痕检测系统的流程结构；步骤二：影响图像采集质量因素分析；步骤三：划痕图像与其他相似疵病的区分研究；步骤四：划痕检测算法研究；本发明不仅能够准确检测划痕的形态，同时还可以实现对光学镜片表面划痕相似缺陷区分并在此基础上实现划痕位置与长度宽度定量检测；降低了产品成本，大大提高了生产效率和生产质量，还可以根据检测得到的信息优化流水线，找到缺陷，减少划痕疵病的发生；对于国家而言，机器视觉检测技术的应用提升了我国工业领域生产在国际的竞争力，提高了镜片生产过程中的检测效率。

技术领域

本发明属于光学镜片技术领域，具体涉及一种基于U_Net网络的光学镜片表面划痕检测方法。

背景技术

传统的机器视觉检测技术难以获取合适的特征，往往致使检测结果不尽人意。传统机器视觉检测技术工作流程是通过一系列设定好的图像预处理对样本数据进行特征提取并以向量形式进行表示，通过设计分类器对物体进行分类，如利用划痕区域与背景之间的灰度差采用灰度阈值分割的方法实现划痕的提取、检测划痕边缘特征，但这类算法只能给出划痕的大体位置，准确度不高，易受背景杂波影响，误检和漏检率较高。并且这种模式的检测技术往往需要使用者具备丰富的专业知识，且特征提取的质量直接影响检测效果。

发明内容

为解决现有的问题；本发明的目的在于提供一种基于U_Net网络的光学镜片表面划痕检测方法。

本发明的一种基于U_Net网络的光学镜片表面划痕检测方法，它的方法如下：

步骤一：划痕检测系统的流程结构：

建立了专用的图像采集平台，研究以同轴光源为基础的照明单元，将采集到的图像传输至上位机并制作图像训练集，再经过U_Net深度学习网络训练得到高精度划痕特征图像，在此基础上实现划痕与相似疵病的区分，最后通过对应算法完成针对划痕的位置，数量，长宽的测量；

步骤二：影响图像采集质量因素分析：

采取基于同轴光源的照明单元，同轴光的定义为光源通过漫射板发散打到半透半反射分光片上，该分光片将光反射到物体上，再由物体反射到镜头中；检测物体平整光滑表面的碰伤、划伤、裂纹和异物；通过计算机控制对比不同颜色，强度的光照环境采集的图像，综合得到更加完整准确的图像信息；

步骤三：划痕图像与其他相似疵病的区分研究：

采用RGB三通道u_net网络对划痕图像进行分割，通过对三种色彩通道分别卷积，实现对划痕边缘更精确的体现；通过实验寻找最佳光照条件，同时尽可能提高相机分辨率，保证图像原始特征，为后续的深度学习训练提供高精度样本，提高检测精度；

步骤四：划痕检测算法研究：

检测划痕主要包括三个方面：区域定位，数量统计与长度测量；

4.1、区域定位与数量统计拟采用轮廓查询法实现，首先对划痕图像进行轮廓提取，在获得轮廓图像后遍历像素提取轮廓像素的四个顶点坐标A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)限定划痕区域，通过坐标点差值得到划痕区域的长度与宽度，输出其坐标位置并统计划痕数量；

4.2、划痕长度测量拟采用K3M算法，K3M骨架提取算法是一种连续迭代算法，由七个步骤的迭代部分和末端的单个额外步骤组成，获取划痕骨架后，对划痕骨架像素点进行统计获取划痕的弧长；划痕弧长表达式如公式1所示：

其中，L为划痕区域的弧长，单位为mm，lp为单个像素对应的实际长度，单位为mm；g(x,y)表示划痕经K3M算法骨架提取后的连通域像素点；最后根据像素与真实长度换算的到像素代表的实际距离。

与现有技术相比，本发明的有益效果为：