1.1缺陷的定义当前对于缺陷有两种认知的方式，种是有监督的方法，也就是体现在利用标记了标签(包括类别、矩形框或逐像素等)的缺陷图像输入到网络中进行训练.此时缺陷意味着标记过的区域或者图像。第二种是无监督的方法，就是将正常无缺陷的样本进行学习，学习正常区域的特征，网络检测异常的区域。缺陷检测的任务大致分为三个阶段分别是缺陷分类、缺陷定位、缺陷分割，如下图所示，江苏字符检测，缺陷分类需要分类出缺陷的类别(色、空洞、经线);缺陷定位不仅需要获取缺陷的类别还需要标注出缺陷的位置;缺陷分割将缺陷逐像素从背景中分割出来。本发明对于镜头内部结构的检测方法，提高了断层扫描图像缺陷搜索的准确度与精度。不会因为搜索到非对焦缺陷，字符缺陷检测，导致算法误检。且对点子等检测精度，由原来相差±10um，提高到了±5um以内。本发明对于镜头端面和凸台的检测方法，针对端面与凸台检测的耗时，字符检测系统，由原两张图片分别导入显卡中进行gpu运算深度学习模型，现在仅需要导入一张图片进行深度学习运算极大的降低了gpu运算的消耗，计算耗时由原1600ms，下降至900ms左右，检测中文字符，极大的提升了效率。(对于纸张较厚、表面缺陷检测角度要求较高的的纸张产品采用反射的检测原理)，架设在生产线上的线阵相机进行实时同步扫描，同时系统将相机采集到的纸病图像通过SIMV图像处理单元进行瑕疵分割处理。由于瑕疵图像的灰阶与正常产品的灰阶存在明显差异，从而使系统能够发现瑕疵，同时对瑕疵进行有效的判定、分类。苏州宣雄智能科技有限公司苏州宣雄智能科技有限公司字符缺陷检测-江苏字符检测-宣雄智能由苏州宣雄智能科技有限公司提供。苏州宣雄智能科技有限公司位于江苏省苏州市昆山市开发区前进东路科技广场1501室。在市场经济的浪潮中拼博和发展，目前宣雄在检测仪中享有良好的声誉。宣雄取得全网商盟认证，标志着我们的服务和管理水平达到了一个新的高度。宣雄全体员工愿与各界有识之士共同发展，共创美好未来。)