光學(xué)鏡片疵病分類檢測(cè)研究.pdf

1、在光學(xué)鏡片的生產(chǎn)過(guò)程中會(huì)產(chǎn)生大量的點(diǎn)疵病、毛絮、劃痕、氣泡等疵病;目前國(guó)內(nèi)的鏡片瑕疵檢測(cè)主要采用傳統(tǒng)的人工檢測(cè)的方式，但是人工檢測(cè)成本高昂、存在檢測(cè)標(biāo)準(zhǔn)不客觀、不統(tǒng)一的問(wèn)題。因此，實(shí)現(xiàn)光學(xué)鏡片疵病的自動(dòng)化檢測(cè)和分類已經(jīng)成為了不可逆轉(zhuǎn)的發(fā)展趨勢(shì)。
　　光學(xué)鏡片的疵病檢測(cè)分類是實(shí)現(xiàn)鏡片品質(zhì)自動(dòng)化檢測(cè)亟待解決的問(wèn)題。如何將鏡片疵病的物理特征，轉(zhuǎn)化為計(jì)算機(jī)可識(shí)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(guò)對(duì)疵病的特征

2、進(jìn)行分析、提取、分類研究開(kāi)展工作。并通過(guò)對(duì)疵病的邊緣信息、幾何特征、形狀特征的研究來(lái)解決鏡片自動(dòng)化檢測(cè)問(wèn)題，并針對(duì)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(wèn)題。
　　為了實(shí)現(xiàn)光學(xué)鏡片疵病自動(dòng)化檢測(cè)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(duì)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(shí)，本文給出改進(jìn)的最小面積外接矩形的計(jì)算方式，線性相

3、關(guān)性是劃痕和毛絮的一個(gè)重要分類特征。但是劃痕像素寬度過(guò)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(guò)細(xì)化后再進(jìn)行線性相關(guān)性系數(shù)的計(jì)算。針對(duì)面積和周長(zhǎng)的計(jì)算，本文提出一種基于區(qū)域填充編碼方式的面積和周長(zhǎng)計(jì)算法方式;根據(jù)提取的特征，利用PCA主成分分析法，對(duì)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(duì)本文改進(jìn)的算法對(duì)鏡片疵病分類誤差率的影響進(jìn)行實(shí)驗(yàn)，本文對(duì)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(duì)鏡片疵