光學(xué)鏡片疵病分類檢測研究.pdf

1、在光學(xué)鏡片的生產(chǎn)過程中會產(chǎn)生大量的點(diǎn)疵病、毛絮、劃痕、氣泡等疵病;目前國內(nèi)的鏡片瑕疵檢測主要采用傳統(tǒng)的人工檢測的方式，但是人工檢測成本高昂、存在檢測標(biāo)準(zhǔn)不客觀、不統(tǒng)一的問題。因此，實(shí)現(xiàn)光學(xué)鏡片疵病的自動化檢測和分類已經(jīng)成為了不可逆轉(zhuǎn)的發(fā)展趨勢。
　　光學(xué)鏡片的疵病檢測分類是實(shí)現(xiàn)鏡片品質(zhì)自動化檢測亟待解決的問題。如何將鏡片疵病的物理特征，轉(zhuǎn)化為計算機(jī)可識別的數(shù)據(jù)特征，是實(shí)現(xiàn)鏡片疵病分類的準(zhǔn)確性和快速性的關(guān)鍵環(huán)節(jié)。本文通過對疵病的特征

2、進(jìn)行分析、提取、分類研究開展工作。并通過對疵病的邊緣信息、幾何特征、形狀特征的研究來解決鏡片自動化檢測問題，并針對常規(guī)算法的弊端，給出了改進(jìn)和優(yōu)化方案，解決快速性和準(zhǔn)確性問題。
　　為了實(shí)現(xiàn)光學(xué)鏡片疵病自動化檢測和分類，本文以光學(xué)鏡片疵病的類別和圖像特征為基礎(chǔ)，重點(diǎn)研究光學(xué)鏡片疵病邊緣特征的提取，對比多種邊緣提取算法以保證邊界信息提取的準(zhǔn)確性和快速性。在提取光學(xué)鏡片疵病的幾何特征時，本文給出改進(jìn)的最小面積外接矩形的計算方式，線性相

3、關(guān)性是劃痕和毛絮的一個重要分類特征。但是劃痕像素寬度過大，線性相關(guān)系數(shù)不能很好的體現(xiàn)劃痕的線性程度，本文提出經(jīng)過細(xì)化后再進(jìn)行線性相關(guān)性系數(shù)的計算。針對面積和周長的計算，本文提出一種基于區(qū)域填充編碼方式的面積和周長計算法方式;根據(jù)提取的特征，利用PCA主成分分析法，對特征的貢獻(xiàn)率進(jìn)行分析，利用SVM進(jìn)行學(xué)習(xí)和分類，針對本文改進(jìn)的算法對鏡片疵病分類誤差率的影響進(jìn)行實(shí)驗(yàn)，本文對光學(xué)鏡片疵病的特征提取是非常重要且有效的。
　　根據(jù)對鏡片疵