[發明專利]一種基于深度學習的隱形眼鏡邊緣缺陷檢測方法

在審

• 申請號: 201911402408.0
• 申請日: 2019-12-30
• 公開（公告）號: CN111062961A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 趙友全;乜靈梅;查濤;唐鈺喜;張軍;張凱;管志強
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/00;G06K9/62;G01N21/958
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 吳夢圓

1.一種隱形眼鏡邊緣缺陷檢測模型的建立方法，包括：

(1)獲取隱形眼鏡邊緣缺陷樣本圖像；

(2)對獲取的樣本圖像預處理，得到樣本特征圖像；

(3)對樣本特征圖像進行缺陷標注，匯總標記的樣本特征圖像建立訓練集；

(4)對訓練集進行模型訓練并進行微調后得到初始缺陷檢測模型；

(5)檢測初始缺陷檢測模型，得到初始正確率，當初始正確率小于預設正確率時，調整初始缺陷檢測模型后再次檢測，當初始正確率大于或等于預設正確率時，即得到最終的所述缺陷檢測模型。

2.根據權利要求1所述的建立方法，其特征在于，

步驟(5)中所述初始正確率的檢測方法包括：將檢測樣本圖像輸入到初始缺陷檢測模型中，初始缺陷檢測模型自動識別并輸出缺陷標記，經與人工檢測結果對比，統計后即得到所述初始正確率。

3.根據權利要求1所述的建立方法，其特征在于，

步驟(4)中所述初始檢測模型形成過程中的微調方法為遷移學習方法。

4.根據權利要求1所述的建立方法，其特征在于，

步驟(2)中所述樣本圖像預處理的方法包括濾波、圖像均衡化和圖像增強。

5.根據權利要求1所述的建立方法，其特征在于，

步驟(1)中所述樣本圖像為基于預設成像方法拍攝得到的圖像。

6.根據權利要求1所述的建立方法，其特征在于，

步驟(1)中所述樣本圖像包括至少1200張帶有缺陷的隱形眼鏡圖像。

7.根據權利要求1所述的建立方法，其特征在于，

步驟(1)中所述隱形眼鏡為邊緣破損的隱形眼鏡。

8.一種隱形眼鏡邊緣缺陷檢測模型，采用如權利要求1至7任一項所述的建立方法得到。

9.一種隱形眼鏡邊緣缺陷的檢測方法，包括：

獲取待檢測隱形眼鏡的檢測圖像；

將所述檢測圖像進行預處理，得到所述檢測圖像對應的樣本特征圖像；

將所述樣本特征圖像輸入到如權利要求8所述的隱形眼鏡邊緣缺陷檢測模型中，輸出檢測結果，即完成所述隱形眼鏡邊緣缺陷的檢測。