浅谈微透镜结构镜片的检测与质量控制标准

青少年近视防控用微透镜结构镜片产品种类繁多,但目前还没有产品专有的质量检测标准。基于此,以某企业微透镜结构镜片检测相关流程,分析微透镜结构镜片的外观、抗冲击性能、膜层牢固度、膜层耐磨性、热稳定性、紫外线老化、光透射比、磨边机测试等项目的质量检测情况,探讨普遍采用的微透镜结构镜片质量检测标准。旨在为行业出台相关标准及市场监管提供可靠的依据,同时督促生产厂家提高微透镜结构镜片产品的质量。

多焦点镜片屈光度的检测技术研究

基于哈特曼板的测量原理,提出112点测量方法。为了提高镜片屈光度的检测精度,设计每四个点组成一个测量单元用于小区域屈光度的测量,进而得到整个面的屈光度。设计了整体的实验方案,利用NI的板卡对图像进行采集,并运用NI函数库及调用MATLAB函数对图像进行处理,提高了仪器开发效率。最后对不同镜片进行了实际测量。结果表明,此方法有较好的测量结果。

基于FPGA与退化YOLO的手机镜片缺陷检测系统

针对镜片缺陷检测采用图像处理法和神经网络法存在时延高、功耗高和检测缺陷类别较少等问题,设计了一种基于FPGA与退化YOLO的软硬协同检测系统。系统中使用卷积层代替YOLO网络的重排序层进行网络退化,并映射到FPGA上;采用动态量化、模块融合、双缓冲流水线、循环展开和分块等优化策略,设计可动态配置的加速IP,其中的卷积计算模块分别实现了基于Winograd和GEMM的快速卷积算法。实验结果表明,本系统的加速IP在PYNQ-Z2上获得了51.89 GOP/s的计算性能,比基于典型滑动窗口卷积计算方法的性能提高了0.76倍,加速单张图像的时延为433 ms,功耗为1.07 W,与Core i5-10500 CPU相比,能效是其365.27倍,实现了小型设备对手机镜片低时延、低功耗的多缺陷检测。

基于YOLOv2网络模型的手机镜片缺陷实时检测方法

针对手机镜片缺陷检测采用人工目视法存在效率低、误检率高、易受主观影响;且现有的机器视觉法存在成本高和应用场景为静态图片等问题,提出一种基于YOLOv2网络模型的手机镜片缺陷实时检测方法。首先,对手机镜片缺陷检测数据集样本进行归一化处理;然后,调整网络模型的训练参数,并将数据集送入YOLOv2网络模型进行迭代训练,分析训练过程的性能曲线,得到最优权重;最后,对验证集样本进行检测分析。实验结果表明:该检测方法的实时检测速度可达14帧/s;缺陷定位精度高,检测准确率为96.13%;可满足低成本条件下,手机镜片缺陷实时检测的需求。

镜片智能检测的SCARA机械臂轨迹规划信息研究

本文设计了用于镜片检测工序的SCARA机械臂系统并对其抓取镜片的轨迹规划进行了研究.搭建机械臂硬件系统并对比使用三次多项式插值算法和五次多项式插值法算法进行轨迹规划.实验结果表明五次多项式插值算法对机械臂运行冲击更小.

基于机器视觉的树脂镜片疵病检测系统研究

为了实现对树脂镜片的自动检测,建立了图像采集系统。对该系统所采用的设备参数及图像预处理、特征提取、疵病识别等算法进行了研究。首先根据镜片的尺寸和缺陷的检测精度等参数搭建了图像采集系统。其次,通过相机标定完成了图像拼接。然后,对图像进行预处理,提取了疵病的图像。最后,介绍了各种疵病的特征提取及分类算法。实验结果表明:所建系统的检测精度为0.02mm,疵病种类的识别正确率为96.5%,基本满足镜片质量检测的分类准确、检测标准统一及检测速度快等要求。