结合图1和图6所示，字符检测，本发明的步骤s2包括：s21、利用层拍相机沿z轴方向对镜头内部进行层拍获得多张图片，并按照顺序等分为多组；s22、对每一组图片进行缺陷分割和识别，将符合缺陷标准的所有缺陷放入到缺陷容器中；s23、在缺陷容器中，通过比较缺陷中心距离偏差值将同一位置处的缺陷筛选出来；软件团队于业界有近15年的丰富视觉检测软件编写、设计等经验，自给自足。具体来说，根据本发明的一种实施方式，首先在步骤s21中，利用层拍相机沿z轴方向对镜头内部进行层拍获得50张图片，字符检测工具，将50张图片按照顺序每5张分为一组，共分为10组。然后对每一组图片进行缺陷分割和识别，字符缺陷检测，将符合缺陷标准的所有缺陷放入到缺陷容器中。接着将位于同一位置处的多个缺陷筛选出来，筛选方法是通过在同一位置处计算缺陷中心距离偏差值，保留偏差值小于设定距离阈值的所有缺陷作为该位置不同层的缺陷。由于CNN强大的特征提取能力，字符识别检测，采用基于CNN的分类网络目前已成为表面缺陷分类中的模式一般来说，现有表面缺陷分类的网络常常采用计算机视觉中现成的网络结构，包括AlexNet，VGG，GoogLeNet，ResNet，SENet，ShuteNet，MobileNet等。利用分类网络结合上滑动窗口的方式可以实现缺陷的定位。Deeplearning-basedcrackdamagedetectionusingconvolutionalneuralnetworks字符检测-苏州宣雄智能科技-字符识别检测由苏州宣雄智能科技有限公司提供。行路致远，砥砺前行。苏州宣雄智能科技有限公司致力成为与您共赢、共生、共同前行的战略伙伴，更矢志成为检测仪具有竞争力的企业，与您一起飞跃，共同成功!)