公开(公告)号：CN116612106A

公开(公告)日：2023-08-18

申请号：CN202310660358.6

申请日：2023-06-06

Applicant: 哈尔滨理工大学

Inventor： 何思瑾 ,  王洋 ,  孟凡越

IPC: G06T7/00 ,  G06T5/00 ,  G06T5/30 ,  G06T5/40 ,  G06T7/90 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06V10/764 ,  G06V10/766 ,  G06V10/77 ,  G06V10/22

Abstract: 一种基于YOLOX算法的光学元件表面缺陷检测方法，属于图像检测算法领域。现有的基于机器视觉的光学元件缺陷检测方法，没有单独考虑灰尘因素对检测结果的干扰，以及对于大曲率镜片产生的光晕对于检测结果的影响。本发明方法包括步基于偏振光成像原理搭建成像系统及图像采集装置，并利用其获取待检测光学元件的图像信号；对获取的光学元件图像信号进行图像预处理；针对光学元件中坑点、划痕、气泡、崩边缺陷，构建基于YOLOX算法的目标识别方法；利用构建的目标识别方法对预处理后的图像信号进行缺陷识别。本发明提高了检测精度，而且能够降低和光学元件表面特征相似度较高的缺陷的误检和漏检的概率。能够同时识别出坑点、气泡、崩边、划痕缺陷类型。

公开(公告)号：CN116823775A

公开(公告)日：2023-09-29

申请号：CN202310787689.6

申请日：2023-06-29

Applicant: 哈尔滨理工大学

Inventor： 孟凡越 ,  王洋 ,  何思瑾

IPC: G06T7/00 ,  G06T5/00 ,  G06T5/40 ,  G06T7/11 ,  G06T5/30 ,  G06N3/0464 ,  G06N3/048

Abstract: 一种基于深度学习的显示屏幕缺陷检测方法，属于图像检测算法领域。现有的图像检测算法涉及的网络结构存在特征提取效果不佳、参数多、训练时间长等问题。一种基于深度学习的显示屏幕缺陷检测方法，设计用于进行图像采集的显示模组图像缺陷检测系统；之后，对采集的图像进行预处理，消除图像中无关的信息；之后，基于改进的YOLOX模型搭建目标检测网络，之后，设计基于改进YOLOX网络结构的缺陷检测算法，包括将Backbone提取特征的操作提前；在YOLOX网络结构的后端引入h‑swish函数；在YOLOX网络结构的主干网络中加入CBAM注意力模块。本发明通过改进网络特征融合部分提取特征层位置的前移、加入了注意力机制模块提高了网络提取小目标特征的能力。