一种神经网络算法检测模型及基于神经网络的液体光学镜头质量检测方法
本发明涉及液体镜头质量检测，特别涉及一种神经网络算法检测模型及基于神经网络的液体光学镜头质量检测方法。
背景技术：
1、液体镜头质量检测方法依赖于相机采集的图像内容来判定图像像素值分布均匀度以及中心点位置坐标。传统方法是采用灰度值与坐标乘加运算获得精确到亚像素级坐标。此类传统方法精度较差。近些年，工业上采用神经网络算法实现液体镜头的质量检测，预先通过人工主观判定或通过传统方法得到百张量级图像的均匀度估计和中心点位置，然后对图像进行标注，确保图像文件和标注文件的一一对应关系，建立相应网络训练数据集。然后将该网络训练数据集输入到人工智能算法，即神经网络中训练网络的参数权重。当完成训练后，保留神经网络的权重，在需要应用该检测方法时，重新搭建与训练相同的神经网络，该网络定义为推理网络，并且将参数加载到神经网络中进行初始化。最后将待测试图像输入到推理网络中实现均匀度和中心点位置的估计。
2、基于神经网络的液体光学镜头质量检测方法涉及到3个流程，分别为：设计网络结构的方法和网络结构、设计神经网络训练损失函数以及设计网络训练方法。现有技术中通过此三个流程设计的方法，存在着检测精度不足等劣势，无法满足流水线上质量检测的需求。
技术实现思路
1、本发明要解决现有技术中的技术问题，提供一种神经网络算法检测模型及基于神经网络的液体光学镜头质量检测方法。
2、为了解决上述技术问题，本发明的技术方案具体如下：
3、一种神经网络算法检测模型，该神经网络算法检测模型通过损失函数训练得到，该损失函数包括：均匀度测量正则项、中心位置偏离度正则项以及光源分布度正则项；
4、所述均匀度测量正则项为：通过测量均匀度信息的误差，并统计该误差的平均值，获得标量数值，作为均匀度测量正则项lossplat；
5、所述中心位置偏离度正则项为：神经网络预估的中心位置包含x坐标和y坐标，通过这两个点和标注信息比对，计算出在x向和y向的差值，并将差值绝对值后的平均值作为中心位置偏离度正则项losscen；
6、所述光源分布度正则项为：将网络输出的图像与生成的高斯分布图进行比对，逐个像素计算灰度值数值差，作为光源分布度正则项lossgauss。
7、在上述技术方案中，均匀度测量正则项的公式如下：
8、
9、其中，ncir代表圆覆盖所有的像素点数量，nunc代表不符合均匀一致性的像素数量，i(p')代表图像p'位置的灰度值，icir(p)代表图像p位置的灰度值，v代表不符合点的集合，vcir代表圆覆盖点的集合。
10、在上述技术方案中，中心位置偏离度正则项的公式如下：
11、
12、其中，losscen为中心位置偏离度，x为网络输图像光源中心点x轴坐标，y为y轴坐标；x'为高斯光斑x轴坐标，y'为高斯光斑y轴坐标。
13、在上述技术方案中，光源分布度正则项的公式如下：
14、
15、其中，p＝(x,y)，i(p)代表网络输出图像在p点的灰度值，g(p)代表高斯图像p点的灰度值。
16、在上述技术方案中，均匀度测量正则项、中心位置偏离度正则项以及光源分布度正则项分别具体一个权重，分别为α1，α2和α3。
17、一种基于神经网络的液体光学镜头质量检测方法，包括以下步骤：
18、将上述的神经网络算法检测模型，应用于液体光学镜头质量检测。
19、本发明具有以下有益效果：
20、本发明的神经网络算法检测模型及基于神经网络的液体光学镜头质量检测方法，提出了新型的损失函数设计方法和计算公式，可以有效提高神经网络的输出精度，对于液体镜头检测设备的性能有积极意义。
技术特征：
1.一种神经网络算法检测模型，其特征在于，该神经网络算法检测模型通过损失函数训练得到，该损失函数包括：均匀度测量正则项、中心位置偏离度正则项以及光源分布度正则项；
2.根据权利要求1所述的神经网络算法检测模型，其特征在于，均匀度测量正则项的公式如下：
3.根据权利要求1所述的神经网络算法检测模型，其特征在于，中心位置偏离度正则项的公式如下：
4.根据权利要求1所述的神经网络算法检测模型，其特征在于，光源分布度正则项的公式如下：
5.根据权利要求1-4中的任意一项所述的神经网络算法检测模型，其特征在于，均匀度测量正则项、中心位置偏离度正则项以及光源分布度正则项分别具体一个权重，分别为α1，α2和α3。
6.一种基于神经网络的液体光学镜头质量检测方法，其特征在于，包括以下步骤：
技术总结
本发明涉及一种神经网络算法检测模型及基于神经网络的液体光学镜头质量检测方法，涉及液体镜头质量检测技术领域。本发明的神经网络算法检测模型通过损失函数训练得到，该损失函数包括：均匀度测量正则项、中心位置偏离度正则项以及光源分布度正则项。本发明的神经网络算法检测模型及基于神经网络的液体光学镜头质量检测方法，提出了新型的损失函数设计方法和计算公式，可以有效提高神经网络的输出精度，对于液体镜头检测设备的性能有积极意义。
技术研发人员：陈璐,李宏壮,姚凯男,徐志强
受保护的技术使用者：中国科学院长春光学精密机械与物理研究所
技术研发日：
技术公布日：2024/12/5