检测中文字符-宣雄(在线咨询)-苏州字符检测

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，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

随时技术的发展，也出现了采用固定式或动态阈值分割方式进行检测的算法，检测中文字符，但此方法同样存在缺陷：

1、镜头镜片区域结构纹理复杂，单一的阈值方法不能区分缺陷和产品本身结构；

2、镜头的端面、凸台区域，存在大量的纹理干扰，在线字符检测，现有的阈值方法难以进行有效分割缺陷；

3、现有方法采用定焦采图的方式，获得的缺陷尺寸不准确，导致漏检率难以控制。

接着利用自定义的核7*7，字符缺陷检测，进行图像卷积运算提取端面图片高频分量：

再利用加权平均值算法，按照imagemerge1＝k1*image1+k2*image2+b对凸台图片和端面图片进行融合，按照imagemerge2＝a*imagemerge1+b获得终的融合图片，根据融合照片进行缺陷检测。其中imagemerge1表示初步融合图片，imagemerge2表示融合图片，a表示拉伸系数，b表示拉伸偏移；image1表示凸台图片，苏州字符检测，image2表示端面图片，k1表示凸台权重系数，k2表示端面权重系数。