[發明專利]一種建立判別鏡片疵病類型的模型的方法及裝置

在審

• 申請號: 201710474916.4
• 申請日: 2017-06-21
• 公開（公告）號: CN107341792A
• 公開（公告）日: 2017-11-10
• 發明（設計）人: 夏明亮;楊磊;劉瑞雪
• 申請（專利權）人: 蘇州卡睿知光電科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62
• 代理公司: 北京三聚陽光知識產權代理有限公司11250
• 代理人: 馬永芬

技術領域

本發明涉及檢測領域，具體涉及一種建立判別鏡片疵病類型的模型的方法及裝置。

背景技術

眼鏡是為校正視力或保護眼睛而制作的簡單光學器件，眼鏡鏡片制造工藝復雜，精度要求高，在制造過程中往往會產生一些缺陷，例如氣泡、羽毛、劃痕等，這些缺陷嚴重影響鏡片品質，因此在生產過程中，必須對鏡片可能產生的各種疵病進行判別，便于及時對相應鏡片進行恰當處理。

目前國內鏡片疵病判別技術還不成熟，主要以人工檢測、判別為主，結果容易受工作經驗等主觀因素的影響，漏檢率較高且效率低。

發明內容

因此，本發明要解決的技術問題在于現有鏡片疵病類型判別方法漏檢率較高且效率低。

有鑒于此，本發明提供一種建立判別鏡片疵病類型的模型的方法，包括：

獲取待檢測鏡片圖像樣本；

將所述待檢測鏡片圖像樣本進行圖像處理，確定所述待檢測鏡片圖像樣本中的疵病參數；

將多個所述待檢測鏡片圖像樣本和所述鏡片圖像樣本的疵病參數作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡對所述鏡片圖像樣本中鏡片疵病類型的識別率大于預設閾值。

優選地，所述將所述待檢測鏡片圖像樣本進行圖像處理的步驟，包括：

將所述待檢測鏡片圖像轉為數字信息圖像；

根據所述數字信息圖像中數字信息，得到所述待檢測鏡片圖像樣本中的疵病參數。

優選地，所述神經網絡模型為卷積神經網絡模型。

優選地，所述疵病參數包括：疵病的面積、周長、直徑中至少一種。

相應地，本發明還提供一種建立判別鏡片疵病類型的模型的裝置，包括：

獲取單元，用于獲取待檢測鏡片圖像樣本；

確定單元，用于將所述待檢測鏡片圖像樣本進行圖像處理，確定所述待檢測鏡片圖像樣本中的疵病參數；

訓練單元，用于將多個所述待檢測鏡片圖像樣本和所述鏡片圖像樣本的疵病參數作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡對所述鏡片圖像樣本中鏡片疵病類型的識別率大于預設閾值。

優選地，所述確定單元，包括：

處理單元，用于將所述待檢測鏡片圖像轉為數字信息圖像；

第一確定單元，用于根據所述數字信息圖像中數字信息，得到所述待檢測鏡片圖像樣本中的疵病參數。

優選地，所述神經網絡模型為卷積神經網絡模型。

優選地，所述疵病參數包括：疵病的面積、周長、直徑中至少一種。

本發明提供的一種建立判別鏡片疵病類型的模型的方法及裝置，通過獲取待檢測鏡片圖像樣本，將待檢測鏡片圖像樣本進行圖像處理，確定待檢測鏡片圖像樣本中的疵病參數，將多個待檢測鏡片圖像樣本和鏡片圖像樣本的疵病參數作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡對所述鏡片圖像樣本中鏡片疵病類型的識別率大于預設閾值，解決了現有鏡片疵病類型判別方法漏檢率較高且效率低的問題。

附圖說明

為了更清楚地說明本發明具體實施方式或現有技術中的技術方案，下面將對具體實施方式或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施方式，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明實施例提供的一種建立判別鏡片疵病類型的模型的方法的流程圖；

圖2是本發明另一實施例提供的一種建立判別鏡片疵病類型的模型的裝置的結構示意圖。

具體實施方式

下面將結合附圖對本發明的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

本發明實施例提供一種建立判別鏡片疵病類型的模型的方法，如圖1所示，包括：

S11，獲取待檢測鏡片圖像樣本。

S12，將所述待檢測鏡片圖像樣本進行圖像處理，確定所述待檢測鏡片圖像樣本中的疵病參數。所述疵病參數包括：疵病的面積、周長、直徑中至少一種。