本发明对于镜头内部结构的检测方法，提高了断层扫描图像缺陷搜索的准确度与精度。不会因为搜索到非对焦缺陷，导致算法误检。且对点子等检测精度，ocr字符检测批发，由原来相差±10um，提高到了±5um以内。
本发明对于镜头端面和凸台的检测方法，针对端面与凸台检测的耗时，字符识别检测，由原两张图片分别导入显卡中进行gpu运算深度学习模型，现在仅需要导入一张图片进行深度学习运算极大的降低了gpu运算的消耗，昆山字符检测，计算耗时由原1600ms，下降至900ms左右，极大的提升了效率。
检测对象:钢表面缺陷
主要方法:基于Faster R-CNN的带钢表面缺陷检测网络，ocr字符检测，该网络的改进在于提出的多级特征融合网络( MFN )
将多个分层特征组合成一个特征 ，可以包括缺陷的更多位置细节。基于这些多级特征，采用区域提议网络
( RPN )生成感兴趣区域( ROI ) .在缺陷检测数据集NEU-DET.上，提出的方法在采用ResNet-50的
backbone"下实现了82.3%的mAP。
测量对象塑料薄膜产业（双拉膜、流延膜、吹膜、光学膜、薄膜涂布、塑料板材卫材薄膜等）；无纺布产业（无纺布涂料、纺粘无纺布、水刺无纺布等）；PCB产业（铜箔、Poly Preg、玻纤布、Cooper Laminate、PP纸等）；纸张产业（原纸、涂布纸、文化纸、工业纸、合成纸等）；金属产业（铝板、金属涂布、铜带、铜箔、不锈钢等）；玻璃产业（显示器玻璃、Glass Tubes、CCFl tubes、比例涂布、压花玻璃等）测量元素表面瑕疵，长度、宽度、高度、角度、面积、体积。
宣雄智能(图)-字符识别检测-昆山字符检测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实力不俗，信誉可靠，在江苏 苏州 的检测仪等行业积累了大批忠诚的客户。宣雄带着精益求精的工作态度和不断的完善创新理念和您携手步入辉煌，共创美好未来！