结合图1和图6所示,本发明的步骤s2包括:s21、利用层拍相机沿z轴方向对镜头内部进行层拍获得多张图片,并按照顺序等分为多组;s22、对每一组图片进行缺陷分割和识别,将符合缺陷标准的所有缺陷放入到缺陷容器中;s23、在缺陷容器中,通过比较缺陷中心距离偏差值将同一位置处的缺陷筛选出来;软件团队于业界有近15年的丰富视觉检测软件编写、设计等经验,自给自足。
目标定位是计算机视觉领域中基本的任务之一,同时它也是和传统意 义上缺陷检测接近的任务,其期的是获
得目标的位置和类别信息。目前, 基于深度学习的目标检测方法层出不穷,-般来说, 基于深度学习的缺陷
检测网络从结构.上可以划分为:以Faster R-CNN为代表的两阶段(two stage)网络和以SSD或YOLO为代表的一
阶段(one stage)网络。两者的主要差异在于两阶段网络需要首先生成可能包含缺陷的候选框(proal),然后在
进一步进行目标检测。-阶段网络直接利用网络中提取的特征来预测缺陷的位置和类别。