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，江苏苏州字符检测， GoogL eNet，ResNet，
SENet，ocr字符检测， 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
检测对象:布匹缺陷
主要方法:作者使用一个多层的CNN网络对布匹缺陷数据集中的六类缺陷样本进行分类，分类结束之后，对于
每一类样本进行缺陷检测。具体做法是: 1.使用滑动窗口的方法在512*512的原图上进行采样，采样大小为
128*128 ; 2.对上部分每一类图像采样后的小图像块进行二 -分类(有缺陷和无缺陷)。下图为文章两次分类使
用的CNN网络，字符识别检测，两次分类的区别在于: 1.全连接层的输入分别为6和2 ; 2输入的图像尺日
SIMV纸病在线检测系统通过的图像处理处理算法分割，通过灰阶、亮度的对比实现纸病的检测及分类，通过处理分割的计算出瑕疵分布的位置、大小等信息，字符检测工具，同时记录成报表，方便后期查询、统计及打印，有效的减少了人工成本，提高了产品质量及企业竞争力。
生产线正常生产时，高亮的LED线性聚光冷光源采用透射的原理照射在产品表面.
ocr字符检测-宣雄(在线咨询)-江苏苏州字符检测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!