CN114593898B - 基于折射数据的透镜质量分析方法、装置、设备及介质 - Google Patents
基于折射数据的透镜质量分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114593898B CN114593898B CN202210493103.0A CN202210493103A CN114593898B CN 114593898 B CN114593898 B CN 114593898B CN 202210493103 A CN202210493103 A CN 202210493103A CN 114593898 B CN114593898 B CN 114593898B
- Authority
- CN
- China
- Prior art keywords
- lens
- light
- detected
- pressure change
- light pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0228—Testing optical properties by measuring refractive power
- G01M11/0235—Testing optical properties by measuring refractive power by measuring multiple properties of lenses, automatic lens meters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明涉及光学元件质量检测技术领域,提出一种基于折射数据的透镜质量分析方法包括:获取待检测透镜的标准参数,并识别所述待检测透镜的光轴向量;根据所述光轴向量,对所述待检测透镜发射激光;记录激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线;根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,并利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果。本发明可以能同时对于透镜内部及外部进行质量检测。
Description
技术领域
本发明涉及光学元件质量检测技术领域,特别涉及一种基于折射数据的透镜质量分析方法、装置、设备及存储介质。
背景技术
随着人类对世界的探索及机器视觉的不断发展,人们对光学元件的要求也越来越高,目前常见的透镜质量分析方法是通过图像机器识别或人眼识别的方式对透镜的光学显微图像进行观察,发现透镜的污渍、划痕等微小痕迹,从而对透镜质量进行把控,然而这检测方式只能观测到透镜表面的质量问题,却不能识别透镜的内在质量问题。
近年来为了光学元件在不同环境的适应性,透镜材料中也添加各种各样的高分子或稀有元素,透镜元素量级的改变,使得图像分析的透镜检测方式无法检测出透镜材料、使用效果分布不均匀,造成透镜折射率及特殊效果分布不均匀的问题。
发明内容
本发明实施方式的目的在于提供一种基于折射数据的透镜质量分析方法、装置,其目的在于同时对于透镜内部及外部进行质量检测。
为解决上述技术问题,本发明的实施方式提供了一种基于折射数据的透镜质量分析方法,所述方法包括:
获取待检测透镜的标准参数,并识别所述待检测透镜的光轴向量;
根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线;
根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,并利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果。
可选的,所述利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果,包括:
获取所述待检测透镜对应的模拟的光压热力图谱,并利用所述光压变化识别模型中的图像识别网络层对所述光压热力图谱进行图像特征提取操作,得到第一特征集合;
利用所述图像识别网络层,分别对所述光斑移动曲线及所述光压变化曲线进行曲线特征提取操作,得到第二特征集合及第三特征集合;
利用所述光压变化识别模型中的决策树分类网络,根据所述第一特征集合、所述第二特征集合及所述第三特征集合,判断所述光斑移动曲线及所述光压变化曲线是否平滑,并判断所述光斑移动曲线上的光压强度是否符合所述光压热力图谱;
当所述光斑移动曲线及所述光压变化曲线平滑,且所述光斑移动曲线上的光压强度符合所述光压热力图谱时,判定所述待检测透镜的质量合格。
可选的,所述根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,包括:
对所述标准参数进行量化编码,得到量化参数;
利用所述光压变化识别模型中的建模网络,根据所述量化参数,构建虚拟透镜,并根据所述建模网络中的折射算法,计算所述虚拟透镜被预设强度的平行光照射下的光压热力图谱;
将所述光压热力图谱导入所述光压变化识别模型的图像识别网络层中,得到符合所述待检测透镜的透镜类型的光压变化识别模型。
可选的,所述利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,包括:
获取激光透过所述待检测透镜后在所述光感元件上显示的光斑的位置坐标,得到所述光斑位置;
利用所述光感元件上的分光镜将所述激光发生器生成的激光进行分光操作,得到第一分光及第二分光;
将所述第一分光导入预构建的高反射率薄膜,得到二次反射光;
根据所述二次反射光及所述第二分光,得到薄膜形变光程差,并根据预设的参数系数及所述薄膜形变光程差,计算得到光压强度。
可选的,所述识别所述待检测透镜的光轴向量,包括:
利用多个激光发生器对所述待检测透镜进行角度、位置变化照射,记录激光折射角度;
获取所述激光折射角为零时所述激光发生器的激光发生向量作为所述待检测透镜的光轴向量。
为了解决上述问题,本发明还提供一种基于折射数据的透镜质量分析装置,所述装置包括:
基本参数获取模块,用于根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
激光发生模块,用于根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
折射数据记录模块,用于利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线;
模型检测质量模块,用于根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,并利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果。
可选的,所述利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果,包括:
获取所述待检测透镜对应的模拟的光压热力图谱,并利用所述光压变化识别模型中的图像识别网络层对所述光压热力图谱进行图像特征提取操作,得到第一特征集合;
利用所述图像识别网络层,分别对所述光斑移动曲线及所述光压变化曲线进行曲线特征提取操作,得到第二特征集合及第三特征集合;
利用所述光压变化识别模型中的决策树分类网络,根据所述第一特征集合、所述第二特征集合及所述第三特征集合,判断所述光斑移动曲线及所述光压变化曲线是否平滑,并判断所述光斑移动曲线上的光压强度是否符合所述光压热力图谱;
当所述光斑移动曲线及所述光压变化曲线平滑,且所述光斑移动曲线上的光压强度符合所述光压热力图谱时,判定所述待检测透镜的质量合格。
可选的,所述根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,包括:
对所述标准参数进行量化编码,得到量化参数;
利用所述光压变化识别模型中的建模网络,根据所述量化参数,构建虚拟透镜,并根据所述建模网络中的折射算法,计算所述虚拟透镜被预设强度的平行光照射下的光压热力图谱;
将所述光压热力图谱导入所述光压变化识别模型的图像识别网络层中,得到符合所述待检测透镜的透镜类型的光压变化识别模型。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于折射数据的透镜质量分析方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于折射数据的透镜质量分析方法。
本发明实施例中,通过激光为主体对待检测透镜进行质量识别,通过记录光斑移动曲线及光压变化曲线来代表所述待检测透镜的折射数据,其中,所述光斑移动曲线及光压变化曲线的变化应该是渐变的,当所述待检测透镜存在材料不均匀或污垢划痕,都会影响曲线的波动,此外,本发明实施例还通过神经网络模型模拟标准折射数据,并将标准折射数据与记录的曲线进行对比识别,增加了透镜检测的准确性及效率。因此,本发明实施例中所述的基于折射数据的透镜质量分析方法、装置,能同时对于透镜内部及外部进行质量检测。
附图说明
图1为本发明一实施例提供的基于折射数据的透镜质量分析的流程示意图;
图2为本发明一实施例提供的基于折射数据的透镜质量分析的其中一个步骤的详细流程示意图;
图3为本发明一实施例提供的基于折射数据的透镜质量分析设备间合作运行的流程示意图;
图4为本发明一实施例提供的基于折射数据的透镜质量分析装置的模块示意图;
图5为本发明一实施例提供的基于折射数据的透镜质量分析方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于折射数据的透镜质量分析的方法。参照图1所示,为本发明一实施例提供的基于折射数据的透镜质量分析的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,所述基于折射数据的透镜质量分析方法包括:
S1、获取待检测透镜的标准参数,并识别所述待检测透镜的光轴向量。
本发明实施例中,所述待检测透镜的标准参数为所述待检测透镜的出厂信息,包括透镜类型、大小、厚度、不同位置的折射系数、焦距位置等信息,其中,所述标准参数可以通过调用所述待检测透镜的电子标签或手动输入透镜数据的方式获得。
应当知道,所述待检测透镜的光轴向量是指透镜前后面的中心的连线。
详细的,本发明实施例中,所述识别所述待检测透镜的光轴向量,包括:
利用多个激光发生器对所述待检测透镜进行角度、位置变化照射,记录激光折射角度;
获取所述激光折射角是否为零时所述激光发生器的激光发生向量作为所述待检测透镜的光轴向量。
本发明实施例中,虽然通过所述待检测透镜的中心点的光线方向不发生改变,但是经过透镜的两个镜面还是会发生折射,只有光轴向量上的光线不发生折射,因此,本发明实施例通过多个激光变化照射的方式寻找光轴向量。
S2、根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光。
本发明实施例中,所述激光发生器是以红宝石为工作物质,通过受激发射放大原理产生激光的装置,其中,所述激光发生器产生的激光,定向性好、亮度高、频率稳定,有利于观测并记录所述待检测透镜的折射数据。
S3、利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线。
本发明实施例中,所述光感元件为多个薄膜测光压元件在同一平面上的集成,其中,所述薄膜测光压元件包括分光镜、高反射率薄膜、反射镜及接收器。
进一步的,所述滑动规则是指预先设置的激光发生器移动方法,例如:经过所述待检测透镜的中心点的“米”字型移动方法,也可以为,以所述待检测透镜的中心点为圆心的半径逐渐缩小的移动方法。
详细的,参考图2所示,本发明实施例中,所述利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,包括:
S31、获取激光透过所述待检测透镜后在所述光感元件上显示的光斑的位置坐标,得到所述光斑位置;
S32、利用所述光感元件上的分光镜将所述激光发生器生成的激光进行分光操作,得到第一分光及第二分光;
S33、将所述第一分光导入预构建的高反射率薄膜,得到二次反射光;
S34、根据所述二次反射光及所述第二分光,得到薄膜形变光程差,并根据预设的参数系数及所述薄膜形变光程差,计算得到光压强度。
其中,本发明实施例可以通过人工智能技术,自动调节所述光感原件上分光镜的角度,使得光斑在所述光感元件的任意位置上,都能准确将光斑进行分光,分别发送至所述高反射率薄膜与反射镜,然后两路光束分别在所述高反射率薄膜与所述反射镜上进行一次反射,最终汇总于所述接收器中,然后利用所述接收器对比分光之后的两条路径光的光程差,进而得到所述高反射率薄膜的变化幅度,最终根据一系列的参数系数,将变化幅度转化为光压强度。
此外,本发明实施例中,通过一个坐标系,将所述光感元件上的各个分光镜的位置进行把控,因此,通过上述步骤可以得到记录所述激光发生器在根据预设的滑动规则移动时产生的光斑位置及光压强度。
S4、根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,并利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果。
本发明实施例中,所述光压变化识别模型为建模网络与基于神经网络的图像识别模型的组合,其中,所述建模网络中有各个光学算法用于对光线传播进行模拟,所述图像识别模型中存在特征提取网络、图像识别网络及决策树分类网络,用于对所述光斑移动曲线及所述光压变化曲线进行分析。
本发明实施例利用预构建的光压样本集合对所述光压变化识别模型进行训练,其中,所述光压样本集合中包括合格与未合格的光压变化曲线样本。此外,本发明实施例利用预设脚本程序对所述光压变化识别模型进行监督训练,直至所述光压变化识别模型的预测结果的准确率及损失值达到预设的合格水平,其中,具体的训练过程此处不加以赘述。
详细的,本发明实施例中,所述根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,包括:
对所述标准参数进行量化编码,得到量化参数;
利用所述光压变化识别模型中的建模网络,根据所述量化参数,构建虚拟透镜,并根据所述建模网络中的折射算法,计算所述虚拟透镜被预设强度的平行光照射下的光压热力图谱;
将所述光压热力图谱导入所述光压变化识别模型的图像识别网络层中,得到符合所述待检测透镜的透镜类型的光压变化识别模型。
本发明实施例中,通过one-hot量化模型或其他量化方法,对文本形式的标准参数进行量化,再利用所述光压变化识别模型中的建模网络,根据所述量化参数,对所述待检测透镜进行3D模拟,得到虚拟透镜,并利用大于或等于所述虚拟透镜的平行激光,以所述光轴向量的方向进行照射,得到光压热力图谱。本发明实施例将所述光压热力图谱导入所述光压变化识别模型的图像识别网络层中,方便利用所述光压热力图谱与所述光斑移动曲线及所述光压变化曲线进行对比。
详细的,参考图3所示,本发明实施例中,所述利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果,包括:
S41、获取所述待检测透镜对应的模拟的光压热力图谱,并利用所述光压变化识别模型中的图像识别网络层对所述光压热力图谱进行图像特征提取操作,得到第一特征集合;
S42、利用所述图像识别网络层,分别对所述光斑移动曲线及所述光压变化曲线进行曲线特征提取操作,得到第二特征集合及第三特征集合;
S43、利用所述光压变化识别模型中的决策树分类网络,根据所述第一特征集合、所述第二特征集合及所述第三特征集合,判断所述光斑移动曲线及所述光压变化曲线是否平滑,并判断所述光斑移动曲线上的光压强度是否符合所述光压热力图谱;
S44、当所述光斑移动曲线及所述光压变化曲线平滑,且所述光斑移动曲线上的光压强度符合所述光压热力图谱时,判定所述待检测透镜的质量合格。
具体的,本发明实施例利用特征提取网络将所述光压热力图谱、所述光斑移动曲线及所述光压变化曲线都进行特征提取、特征识别,最后利用决策树分类网络判断所述光斑移动曲线及所述光压变化曲线是否平滑过渡,再判断所述光斑移动曲线及所述光压变化曲线是否符合所述光压热力图谱。
其中,本发明实施例判定各个曲线是否符合所述光压热力图谱时,可以根据可变化的参数,先对所述光压强度与所述光压热力图谱上预设位置的热力值进行数值拟合,再判断所述光斑移动曲线及所述光压变化曲线的变化过程是否符合所述光压热力图谱。
本发明实施例中,当所述光斑移动曲线及所述光压变化曲线平滑,且所述光斑移动曲线上的光压强度符合所述光压热力图谱时,判定所述待检测透镜的质量合格;
反之,则可以对曲线波动处,或不符合光压热力图谱区域进行标记,并将标记结果输出作为质量不合格的证据。
本发明实施例中,通过激光为主体对待检测透镜进行质量识别,通过记录光斑移动曲线及光压变化曲线来代表所述待检测透镜的折射数据,其中,所述光斑移动曲线及光压变化曲线的变化应该是渐变的,当所述待检测透镜存在材料不均匀或污垢划痕,都会影响曲线的波动,此外,本发明实施例还通过神经网络模型模拟标准折射数据,并将标准折射数据与记录的曲线进行对比识别,增加了透镜检测的准确性及效率。因此,本发明实施例中所述的基于折射数据的透镜质量分析方法,能同时对于透镜内部及外部进行质量检测。
如图4所示,是本发明基于折射数据的透镜质量分析装置的模块示意图。
本发明所述基于折射数据的透镜质量分析装置100可以安装于电子设备中。根据实现的功能,所述基于折射数据的透镜质量分析装置100可以包括基本参数获取模块101、激光发生模块102、折射数据记录模块103及模型检测质量模块104。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述基本参数获取模块101,用于根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
所述激光发生模块102,用于根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
所述折射数据记录模块103,用于利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线;
所述模型检测质量模块104,用于根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,并利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果。
详细地,本申请实施例中所述基于折射数据的透镜质量分析装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于折射数据的透镜质量分析方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明实现基于折射数据的透镜质量分析方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于折射数据的透镜质量分析程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于折射数据的透镜质量分析程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于折射数据的透镜质量分析程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于折射数据的透镜质量分析程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
获取待检测透镜的标准参数,并识别所述待检测透镜的光轴向量;
根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线;
根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,并利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待检测透镜的标准参数,并识别所述待检测透镜的光轴向量;
根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线;
根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,并利用所述光压变化识别模型,对所述光斑移动曲线及所述光压变化曲线进行折射数据匹配,得到所述待检测透镜的质量检测结果。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于折射数据的透镜质量分析方法,其特征在于,所述方法包括:
获取待检测透镜的标准参数,并识别所述待检测透镜的光轴向量;
根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线;
根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型;
获取所述待检测透镜对应的模拟的光压热力图谱,并利用所述光压变化识别模型中的图像识别网络层对所述光压热力图谱进行图像特征提取操作,得到第一特征集合;
利用所述图像识别网络层,分别对所述光斑移动曲线及所述光压变化曲线进行曲线特征提取操作,得到第二特征集合及第三特征集合;
利用所述光压变化识别模型中的决策树分类网络,根据所述第一特征集合、所述第二特征集合及所述第三特征集合,判断所述光斑移动曲线及所述光压变化曲线是否平滑,并判断所述光斑移动曲线上的光压强度是否符合所述光压热力图谱;
当所述光斑移动曲线及所述光压变化曲线平滑,且所述光斑移动曲线上的光压强度符合所述光压热力图谱时,判定所述待检测透镜的质量合格。
2.如权利要求1所述的基于折射数据的透镜质量分析方法,其特征在于,所述根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,包括:
对所述标准参数进行量化编码,得到量化参数;
利用所述光压变化识别模型中的建模网络,根据所述量化参数,构建虚拟透镜,并根据所述建模网络中的折射算法,计算所述虚拟透镜被预设强度的平行光照射下的光压热力图谱;
将所述光压热力图谱导入所述光压变化识别模型的图像识别网络层中,得到符合所述待检测透镜的透镜类型的光压变化识别模型。
3.如权利要求1所述的基于折射数据的透镜质量分析方法,其特征在于,所述利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,包括:
获取激光透过所述待检测透镜后在所述光感元件上显示的光斑的位置坐标,得到所述光斑位置;
利用所述光感元件上的分光镜将所述激光发生器生成的激光进行分光操作,得到第一分光及第二分光;
将所述第一分光导入预构建的高反射率薄膜,得到二次反射光;
根据所述二次反射光及所述第二分光,得到薄膜形变光程差,并根据预设的参数系数及所述薄膜形变光程差,计算得到光压强度。
4.如权利要求1所述的基于折射数据的透镜质量分析方法,其特征在于,所述识别所述待检测透镜的光轴向量,包括:
利用多个激光发生器对所述待检测透镜进行角度、位置变化照射,记录激光折射角度;
获取所述激光折射角为零时所述激光发生器的激光发生向量作为所述待检测透镜的光轴向量。
5.一种基于折射数据的透镜质量分析装置,其特征在于,所述装置包括:
基本参数获取模块,用于获取待检测透镜的标准参数,并识别所述待检测透镜的光轴向量;
激光发生模块,用于根据所述光轴向量,利用预构建的激光发生器,对所述待检测透镜发射激光;
折射数据记录模块,用于利用预构建的垂直于所述光轴向量的光感元件,记录所述激光发生器在根据预设的滑动规则移动时对所述待检测透镜发射激光产生的光斑位置及光压强度,得到光斑移动曲线及光压变化曲线;
模型检测质量模块,用于根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,并获取所述待检测透镜对应的模拟的光压热力图谱,并利用所述光压变化识别模型中的图像识别网络层对所述光压热力图谱进行图像特征提取操作,得到第一特征集合;利用所述图像识别网络层,分别对所述光斑移动曲线及所述光压变化曲线进行曲线特征提取操作,得到第二特征集合及第三特征集合;利用所述光压变化识别模型中的决策树分类网络,根据所述第一特征集合、所述第二特征集合及所述第三特征集合,判断所述光斑移动曲线及所述光压变化曲线是否平滑,并判断所述光斑移动曲线上的光压强度是否符合所述光压热力图谱;当所述光斑移动曲线及所述光压变化曲线平滑,且所述光斑移动曲线上的光压强度符合所述光压热力图谱时,判定所述待检测透镜的质量合格。
6.如权利要求5所述的基于折射数据的透镜质量分析装置,其特征在于,所述根据所述标准参数对预训练的光压变化识别模型进行参数配置,得到符合所述待检测透镜的透镜类型的光压变化识别模型,包括:
对所述标准参数进行量化编码,得到量化参数;
利用所述光压变化识别模型中的建模网络,根据所述量化参数,构建虚拟透镜,并根据所述建模网络中的折射算法,计算所述虚拟透镜被预设强度的平行光照射下的光压热力图谱;
将所述光压热力图谱导入所述光压变化识别模型的图像识别网络层中,得到符合所述待检测透镜的透镜类型的光压变化识别模型。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至4中任意一项所述的基于折射数据的透镜质量分析方法。
8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4中任意一项所述的基于折射数据的透镜质量分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210493103.0A CN114593898B (zh) | 2022-05-07 | 2022-05-07 | 基于折射数据的透镜质量分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210493103.0A CN114593898B (zh) | 2022-05-07 | 2022-05-07 | 基于折射数据的透镜质量分析方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114593898A CN114593898A (zh) | 2022-06-07 |
CN114593898B true CN114593898B (zh) | 2022-07-15 |
Family
ID=81821249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210493103.0A Active CN114593898B (zh) | 2022-05-07 | 2022-05-07 | 基于折射数据的透镜质量分析方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114593898B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782288A (zh) * | 2022-06-22 | 2022-07-22 | 深圳市润之汇实业有限公司 | 基于图像的透镜生产工艺监督方法、装置、设备及介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2537146C (en) * | 1999-09-14 | 2010-08-24 | Visx, Inc. | Method and apparatus for determining characteristics of a laser beam spot |
JP2012122763A (ja) * | 2010-12-06 | 2012-06-28 | Olympus Corp | レンズ品質判定方法およびレンズ品質判定システム |
CN103454070B (zh) * | 2013-08-20 | 2015-09-16 | 浙江工业大学 | 一种基于ccd探测的x射线组合折射透镜聚焦性能测试方法 |
BE1025126B1 (fr) * | 2017-08-28 | 2018-11-05 | Automation & Robotics Sa | Méthode d’audit de qualité en ligne, en «temps reel» d'un processus numérique de fabrication de lentilles ophtalmiques |
JP6795472B2 (ja) * | 2017-08-28 | 2020-12-02 | ファナック株式会社 | 機械学習装置、機械学習システム及び機械学習方法 |
JP7366673B2 (ja) * | 2019-09-25 | 2023-10-23 | ホヤ レンズ タイランド リミテッド | 光学特性評価方法および眼鏡レンズの製造方法 |
CN111044263A (zh) * | 2019-12-31 | 2020-04-21 | 北京灵犀微光科技有限公司 | 光学件测试装置 |
CN111735613A (zh) * | 2020-08-11 | 2020-10-02 | 吉林省春曦光电科技有限公司 | 四象限探测器镜头的光学质量检测系统 |
CN112378623A (zh) * | 2020-11-06 | 2021-02-19 | 北京卓镭激光技术有限公司 | 一种光束质量测量方法及系统 |
CN112781839B (zh) * | 2020-12-30 | 2023-03-17 | 森思泰克河北科技有限公司 | 一种透镜性能测试系统 |
CN113804651B (zh) * | 2021-09-17 | 2023-08-08 | 南京森林警察学院 | 一种基于多波长像散探头的透镜折射率测量装置及方法 |
-
2022
- 2022-05-07 CN CN202210493103.0A patent/CN114593898B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114593898A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101196389B (zh) | 影像量测系统及方法 | |
CN108830837A (zh) | 一种用于检测钢包溶蚀缺陷的方法和装置 | |
CN110517259A (zh) | 一种产品表面状态的检测方法、装置、设备及介质 | |
CN109544548A (zh) | 餐盒的缺陷检测方法、装置、服务器、设备和存储介质 | |
CN110009614A (zh) | 用于输出信息的方法和装置 | |
US20180232875A1 (en) | Cosmetic defect evaluation | |
CN105930257B (zh) | 一种确定目标测试用例的方法及装置 | |
CN110674788A (zh) | 车辆定损方法和装置 | |
CN114593898B (zh) | 基于折射数据的透镜质量分析方法、装置、设备及介质 | |
US11842553B2 (en) | Wear detection in mechanical equipment | |
CN114092474B (zh) | 一种手机外壳复杂纹理背景的加工缺陷检测方法及系统 | |
CN113409284A (zh) | 电路板故障检测方法、装置、设备以及存储介质 | |
CN112102263A (zh) | 缺陷检测模型生成系统、方法、装置和计算机设备 | |
US20080123098A1 (en) | Method and system for device identification | |
CN116433661B (zh) | 多任务学习的半导体晶圆检测方法、装置、设备及介质 | |
CN112149828A (zh) | 基于深度学习框架的算子精度检测方法和装置 | |
CN116863116A (zh) | 基于人工智能的图像识别方法、装置、设备及介质 | |
CN115438129A (zh) | 结构化数据的分类方法、装置及终端设备 | |
CN113704407A (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
CN101776972A (zh) | 坐标测定装置及方法 | |
CN110263782A (zh) | 基于深度学习的卡证检测方法和装置 | |
CN110120054A (zh) | 基于图像处理的自动计数方法及装置、介质、电子设备 | |
CN113592017B (zh) | 一种深度学习模型标准化训练方法、管理系统、处理终端 | |
CN112710235B (zh) | 结构光测量传感器的标定方法和装置 | |
CN108875830A (zh) | 一种基于图像识别的货架商品离线识别方法、系统及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |