根据本发明的一个方面，ocr字符检测，在所述步骤s33中，字符检测，对所述检测图片进行分割的方法包括全局阈值分割方法、动态阈值分割方法或均值阈值分割方法。
本发明的镜头缺陷检测方法，能够对镜头进行的检测，包括对镜头端面和凸台的缺陷检测、对镜片区域内尘、内脏、脱模、毛丝等缺陷检测、对镜片、胶水、镜筒伤的检测和对镜头上表面和下表面的检测。并且检测方法具有高精度、的优点。
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
如图1所示，本发明的镜头缺陷检测方法包括s1、对镜头的端面、凸台进行缺陷检测；s2、对镜头内部结构进行缺陷检测；s3、对镜头上表面和下表面进行缺陷检测。根据本发明的构思，本发明的检测方法在实际操作中，检测方法的步骤s1、步骤s2和步骤s3是可以任意调换的。
由于CNN强大的特征提取能力，采用基于CNN的分类网络目前已成为表面缺陷分类中的模式一般来说，现
有表面缺陷分类的网络常常采用计算机视觉中现成的网络结构，包括AlexNet， VGG，在线字符检测， GoogL eNet，ocr字符检测批发，ResNet，
SENet， ShuteNet，MobileNet等。利用分类网络结合上滑动窗口的方式可以实现缺陷的定位。
Deep learning-based crack damage detection using convolutional neural networks
ocr字符检测-字符检测-苏州宣雄智能科技(查看)由苏州宣雄智能科技有限公司提供。行路致远，砥砺前行。苏州宣雄智能科技有限公司致力成为与您共赢、共生、共同前行的战略伙伴，更矢志成为检测仪具有竞争力的企业，与您一起飞跃，共同成功!