基于深度学习的滤光片表面划痕检测方法

在光学滤光片生产制造的过程中,由于生产环境和制造工艺的影响,滤光片表面会出现划痕,而划痕会影响滤光片的使用。采用人工检查存在效率低和漏检误检的问题,针对这一问题提出了一种检测滤光片划痕并计算划痕尺寸的方法。首先在U-NET的跳跃连接部分加入CBAM注意力机制来增强浅层特征的表达能力,使得识别出的划痕更加完整和准确,接着在解码阶段使用多尺度特征融合模块来融合各层输出的特征图,该算法的划痕识别准确率可达95.17%;然后利用骨架化算法对划痕区域提取中心线,计算中心线的长度作为划痕的长度;最后利用最大内接圆直径法计算划痕的宽度。实验结果表明,该方法与其他的测量方法相比误差最小,可以用于实际的生产测量,提高生产效率。