一种基于深度学习的光学元件表面缺陷检测方法

摘要

本发明公开了一种基于深度学习的光学元件表面缺陷检测方法，该方法包括以下步骤：1)获取光学元件表面缺陷图像并进行预处理；2)将预处理后的缺陷图像输入预先训练好的缺陷检测模型进行光学元件表面缺陷的智能识别。所述图像预处理是对采集到的图像进行畸变校正，并采用梯度图像自适应阈值分割法、边缘检测法、二值化处理、断点连接算法相融合的方式对图像进行处理；所述缺陷检测模型是由卷积层、池化层、全连接层等组成的多层神经网络模型。与现有技术相比，本发明避免了人工目视检测带来的主观干扰及难以准确量化等问题，又弥补了成像检测方法在缺陷识别过程中准确率低、漏检率高等问题。