一种镜片镀膜缺陷识别系统及方法与流程

本发明属于镜片镀膜识别，具体是一种镜片镀膜缺陷识别系统及方法。

背景技术：

1、在光学镜片的生产过程中，镀膜是提高镜片性能的关键步骤之一。镀膜不仅能够增强镜片的透光率、减少反射，还能够提供抗紫外线、防蓝光、防油污等多种功能。然而，在镀膜过程中，由于各种因素的影响，如设备精度、环境条件、操作工艺等，镜片表面可能会出现各种缺陷，如划痕、色差、厚度不均等。

2、随着计算机视觉技术和人工智能算法的发展，自动化的镜片缺陷识别系统大大提高了检测效率和准确性。然而，现有的自动化识别系统在处理复杂多变的镀膜缺陷时存在一定的局限性，例如，当识别表面出现镀膜厚度不均等情况时，并根据存在情况直接将该镜片镀膜直接标记为存在缺陷，致使该镀膜镜片直接标记为不合格，但是当缺陷存在情况较少，可能并不影响该镜片镀膜的使用，而目前的识别系统会导致大量的镀膜镜片被浪费，导致镀膜镜片成本显著增加的问题。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种镜片镀膜缺陷识别系统及方法，用于解决当缺陷存在情况较少，可能并不影响该镜片镀膜的使用，而目前的识别系统会导致大量的镀膜镜片被浪费的技术问题，本发明通过根据表面图像获取表面存在缺陷区域的个数和缺陷占比，根据该表面评估参数初步判断镜片镀膜是否存在缺陷，当判断结果为存在缺陷，再依据缺陷评估系数，再通过缺陷评估系数具体判断该镀膜镜片是否可用，以解决了上述问题。

2、为实现上述目的，本发明的第一方面提供了一种镜片镀膜缺陷识别系统，包括：数据获取模块以及与之相连接的光学检测模块和数据分析模块；

3、所述光学检测模块：用于对镜片镀膜进行检测获取检测参数；其中，检测参数为若干区域的测试亮度、基准亮度以及亮度测试差值和基准亮度差值；

4、所述数据获取模块：用于获取镀膜镜片的表面图像；根据表面图像获取表面评估参数；其中，表面评估参数包括缺陷区域的个数和缺陷占比；

5、所述数据分析模块：根据检测参数计算缺陷评估系数；以及，

6、根据表面评估参数初步判断镜片镀膜是否存在缺陷；是，将镜片的镀膜标记为存在缺陷；否，基于缺陷评估系数获取评估结果；其中，评估结果包括不合格和合格。

7、优选的，所述根据表面图像获取表面评估参数，包括：

8、提取表面图像，识别表面图像上若干像素的rgb色值，将表面图像输入镀膜图像识别模型得到镀膜图像；其中，镀膜图像识别模型基于卷积神经网络模型建立；

9、判断镀膜图像中若干像素的rgb色值是否在标准色值范围内；是，将对应像素标记为标准像素；否，将对应像素标记为缺陷像素；

10、判断缺陷像素相邻的像素是否为缺陷像素；是，将相邻像素为缺陷像素所占用区域标记为缺陷区域，统计缺陷区域的个数以及缺陷区域在镀膜图像中缺陷占比；否，将缺陷像素标记为过渡像素。

11、需要说明的是：标准色值范围为该领域专家根据镀膜的种类和用途进行确定具体的rgb色值范围，

12、通过对像素的rgb色值进行识别，能够直接反映出该镜片表面镀膜的效果是否出现异常情况，即当表面出现划痕、镀膜不均、存在气泡等情况时，该处的rgb色值并不会与标准色值范围重合，因此该方式不仅较为简单，识别的精度也较高。

13、优选的，所述镀膜图像识别模型基于卷积神经网络模型建立，包括：

14、从数据库中获取表面图像和镀膜图像；将表面图像和对应的镀膜图像整合成若干训练数据组和检验数据组；使用训练数据组中的表面图像和镀膜图像对卷积神经网络模型进行训练，再通过检验数据组中的表面图像和镀膜图像对训练后的卷积神经网络模型进行检验，根据检验结果对训练后的卷积神经网络模型进行调整，得到输入为表面图像，输出为镀膜图像的镀膜图像识别模型。

15、优选的，所述根据表面评估参数初步判断镜片镀膜是否存在缺陷，包括：

16、提取评估参数中缺陷区域的个数和缺陷占比，将缺陷区域的个数与数量阈值进行比较；

17、若缺陷区域的个数大于数量阈值，则将该组评估参数所对应的镜片镀膜标记为存在缺陷；

18、否则，判断缺陷区域的缺陷占比是否大于占比阈值；是，将该组评估参数所对应的镜片镀膜标记为存在缺陷；否，将该组评估参数所对应的镜片镀膜标记为未存在缺陷。

19、通过表面存在缺陷区域和缺陷占比，能够直接的对镀膜的情况进行简单的快速评估。

20、优选的，所述对镜片镀膜进行检测获取检测参数，包括：

21、将经过镀膜镜片的光照以及未经过镀膜镜片的光照分别划分为若干面积相等的检测区域，分别获取若干检测区域的测试亮度lji和基准亮度lzi；

22、通过计算公式ljc＝ljmax-ljmin，lzc＝lzmax-lzmin分别计算亮度测试差值ljc和基准亮度差值lzc；其中，ljmax和lzmax分别为经过镀膜镜片的光照和未经过镀膜镜片的光照时若干检测区域中数值最大的测试亮度，ljmin和lzmin为若干检测区域中数值最小的测量亮度，i为正整数。

23、优选的，所述根据检测参数计算缺陷评估系数，包括：

24、提取检测参数中若干区域的测试亮度、基准亮度、亮度测试差值和基准亮度差值，通过公式计算缺陷评估系数；其中，α和β均为预设的比例系数，n为正整数，且n表示检测区域的数量。

25、需要说明的是，缺陷评估系数越高，则说明该缺陷问题越大，反之同理。

26、优选的，所述基于缺陷评估系数获取评估结果，包括：

27、将缺陷评估系数与系数阈值进行比较，若缺陷评估系数大于系数阈值，则将该镀膜镜片的评估结果标记为不合格；否则，将镀膜镜片的评估结果标记为合格。

28、本发明还提供了一种镜片镀膜缺陷识别方法，包括以下步骤：

29、步骤一：获取镀膜镜片的表面图像，根据表面图像获取表面评估参数；

30、步骤二：根据表面评估参数初步判断镜片镀膜是否存在缺陷；是，将镜片的镀膜标记为存在缺陷；否，跳转至步骤三；其中，评估结果包括不合格和合格；

31、步骤三：镀膜进行检测获取检测参数，根据检测参数计算缺陷评估系数，基于缺陷评估系数获取评估结果。

32、与现有技术相比，本发明的有益效果是：首先获取镀膜镜片的表面图像，根据表面图像获取表面存在缺陷区域的个数和缺陷占比，根据该表面评估参数初步判断镜片镀膜是否存在缺陷，当判断结果为存在缺陷，可以再对镜片镀膜进行检测，并依据获取的若干区域的测试亮度、基准亮度、亮度测试差值和基准亮度差值获取缺陷评估系数，再通过缺陷评估系数具体判断该镀膜镜片是否可用，当通过上述方式，能够更为精准的判断镜片表面的镀膜在实际应用时是否会导致画面等数据存在缺陷，通过该种方式对镜片镀膜实际应用的缺陷做出判断，能够一定程度的降低镀膜镜片的成本。

技术特征：

1.一种镜片镀膜缺陷识别系统，其特征在于，包括：数据获取模块、光学检测模块和数据分析模块；

2.根据权利要求1所述的一种镜片镀膜缺陷识别系统，其特征在于，所述根据表面图像获取表面评估参数，包括：

3.根据权利要求1所述的一种镜片镀膜缺陷识别系统，其特征在于，所述根据表面评估参数初步判断镜片镀膜是否存在缺陷，包括：

4.根据权利要求1所述的一种镜片镀膜缺陷识别系统，其特征在于，所述对镜片镀膜进行检测获取检测参数，包括：

5.根据权利要求2所述的一种镜片镀膜缺陷识别系统，其特征在于，所述镀膜图像识别模型基于卷积神经网络模型建立，包括：

6.根据权利要求1所述的一种镜片镀膜缺陷识别系统，其特征在于，所述根据检测参数计算缺陷评估系数，包括：

7.根据权利要求1所述的一种镜片镀膜缺陷识别系统，其特征在于，所述基于缺陷评估系数获取评估结果，包括：

8.一种根据权利要求1所述的镜片镀膜缺陷识别方法，基于权利要求1至7任意一项镜片镀膜缺陷识别系统运行，其特征在于，包括以下步骤：

技术总结
本发明公开了一种镜片镀膜缺陷识别系统及方法，包括：数据获取模块、光学检测模块和数据分析模块；涉及镜片镀膜识别技术领域，解决了当缺陷存在情况较少，可能并不影响该镜片镀膜的使用，而目前的识别系统会导致大量的镀膜镜片被浪费的技术问题；通过根据表面图像获取表面存在缺陷区域的个数和缺陷占比，根据该表面评估参数初步判断镜片镀膜是否存在缺陷，当判断结果为存在缺陷，再依据缺陷评估系数，再通过缺陷评估系数具体判断该镀膜镜片是否可用；通过上述方式，能够更为精准的判断镜片表面的镀膜在实际应用时是否会导致画面等数据存在缺陷，通过该种方式对镜片镀膜实际应用的缺陷做出判断，能够一定程度的降低镀膜镜片的成本。

技术研发人员：李明跃
受保护的技术使用者：安徽省大诚智能玻璃有限公司
技术研发日：
技术公布日：2024/11/18