手机摄像头缺陷检测-苏州宣雄-北京摄像头缺陷检测

接着利用自定义的核7*7，进行图像卷积运算提取端面图片高频分量：

再利用加权平均值算法，按照imagemerge1＝k1*image1+k2*image2+b对凸台图片和端面图片进行融合，按照imagemerge2＝a*imagemerge1+b获得终的融合图片，根据融合照片进行缺陷检测。其中imagemerge1表示初步融合图片，imagemerge2表示融合图片，双摄像头缺陷检测，a表示拉伸系数，b表示拉伸偏移；image1表示凸台图片，image2表示端面图片，k1表示凸台权重系数，k2表示端面权重系数。

检测对象:钢表面缺陷

主要方法:基于Faster R-CNN的带钢表面缺陷检测网络，该网络的改进在于提出的多级特征融合网络( MFN )

将多个分层特征组合成一个特征 ，可以包括缺陷的更多位置细节。基于这些多级特征，北京摄像头缺陷检测，采用区域提议网络

( RPN )生成感兴趣区域( ROI ) .在缺陷检测数据集NEU-DET.上，提出的方法在采用ResNet-50的

backbone'下实现了82.3%的mAP。