本发明对于镜头上下表面的检测，通过镜片区域减去屏蔽区域获得有效检测区域，并将多张图片的有效检测区域进行融合，进行一次缺陷检测，有效提升了检测结果的准确性。具体实施方式为了更清楚地说明本发明实施方式或现有技术中的技术方案，字符检测系统，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中imagemerge1表示初步融合图片，imagemerge2表示融合图片，k1代表image1的权重系数，k2代表image2的权重系数，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。根据本发明的一个方面，苏州字符检测，所述步骤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、在所述缺陷容器中，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；s24、根据清晰度算法筛选出同一位置处表现为清晰的缺陷，按照此缺陷判断其尺寸是否为缺陷产品。检测对象:布匹缺陷主要方法:作者使用一个多层的CNN网络对布匹缺陷数据集中的六类缺陷样本进行分类，在线字符检测，分类结束之后，对于每一类样本进行缺陷检测。具体做法是:1.使用滑动窗口的方法在512*512的原图上进行采样，采样大小为128*128;2.对上部分每一类图像采样后的小图像块进行二-分类(有缺陷和无缺陷)。下图为文章两次分类使用的CNN网络，两次分类的区别在于:1.全连接层的输入分别为6和2;2输入的图像尺日字符检测系统-苏州字符检测-苏州宣雄智能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!)