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， GoogL eNet，昆山字符检测，ResNet，
SENet，字符检测系统， 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
增强客户满意度：通过提供高质量的产品，可以增强客户对产品的信任和满意度。及时发现和修复潜在的缺陷，有助于避免客户遭受质量问题和延误。
提升企业声誉：良好的质量控制和缺陷检测实践有助于树立企业的良好声誉和品牌形象。产品和可靠的质量控制将为企业带来更多的机会和竞争优势。
符合标准和法规要求：许多行业都有特定的质量标准和法规要求。缺陷检测可以确保产品符合这些要求，并减少由于质量问题而可能面临的法
根据本发明的一个方面，检测中文字符，若计算的存在缺陷的多张图片的对比度之间的差值小于设定阈值，则计算每张图片缺陷区域的平均灰度，筛选具有平均灰度值的缺陷作为表现清晰的缺陷。
根据本发明的一个方面，字符缺陷检测，若所检测的镜片检测区域为非球面镜片检测区域时，所述步骤s22包括：
将每组图片的非球面镜片检测区域分别采用模板匹配进行粗定位和圆拟合方式进行精定位；
将非球面镜片检测区域分割为多个圆环区域，对不同的圆环区域给予相对应的参数，利用全局阀值分割法、自动阀值分割法、动态阀值分割法或局部背景均值分割法对所述非球面镜片检测区域的缺陷进行分割；
昆山字符检测-字符缺陷检测-宣雄(推荐商家)由苏州宣雄智能科技有限公司提供。苏州宣雄智能科技有限公司位于江苏省苏州市昆山市开发区前进东路科技广场1501室。在市场经济的浪潮中拼博和发展，目前宣雄在检测仪中享有良好的声誉。宣雄取得全网商盟认证，标志着我们的服务和管理水平达到了一个新的高度。宣雄全体员工愿与各界有识之士共同发展，共创美好未来。