[发明专利]一种基于深度学习的隐形眼镜边缘缺陷检测方法

权利要求书

1.一种隐形眼镜边缘缺陷检测模型的建立方法，包括：

(1)获取隐形眼镜边缘缺陷样本图像；

(2)对获取的样本图像预处理，得到样本特征图像；

(3)对样本特征图像进行缺陷标注，汇总标记的样本特征图像建立训练集；

(4)对训练集进行模型训练并进行微调后得到初始缺陷检测模型；

(5)检测初始缺陷检测模型，得到初始正确率，当初始正确率小于预设正确率时，调整初始缺陷检测模型后再次检测，当初始正确率大于或等于预设正确率时，即得到最终的所述缺陷检测模型。

2.根据权利要求1所述的建立方法，其特征在于，

步骤(5)中所述初始正确率的检测方法包括：将检测样本图像输入到初始缺陷检测模型中，初始缺陷检测模型自动识别并输出缺陷标记，经与人工检测结果对比，统计后即得到所述初始正确率。

3.根据权利要求1所述的建立方法，其特征在于，

步骤(4)中所述初始检测模型形成过程中的微调方法为迁移学习方法。

4.根据权利要求1所述的建立方法，其特征在于，

步骤(2)中所述样本图像预处理的方法包括滤波、图像均衡化和图像增强。

5.根据权利要求1所述的建立方法，其特征在于，

步骤(1)中所述样本图像为基于预设成像方法拍摄得到的图像。

6.根据权利要求1所述的建立方法，其特征在于，

步骤(1)中所述样本图像包括至少1200张带有缺陷的隐形眼镜图像。

7.根据权利要求1所述的建立方法，其特征在于，

步骤(1)中所述隐形眼镜为边缘破损的隐形眼镜。

8.一种隐形眼镜边缘缺陷检测模型，采用如权利要求1至7任一项所述的建立方法得到。

9.一种隐形眼镜边缘缺陷的检测方法，包括：

获取待检测隐形眼镜的检测图像；

将所述检测图像进行预处理，得到所述检测图像对应的样本特征图像；

将所述样本特征图像输入到如权利要求8所述的隐形眼镜边缘缺陷检测模型中，输出检测结果，即完成所述隐形眼镜边缘缺陷的检测。