蓝宝石放肩阶段缺陷视觉检测方法、装置、系统和设备与流程

1.本技术涉及蓝宝石生长领域，特别是涉及一种蓝宝石放肩阶段缺陷视觉检测方法、装置、系统和设备。


背景技术：

2.蓝宝石是一种广泛用于红外军事装置、卫星空间技术、高强度激光的窗口材料。蓝宝石需求巨大，目前人工合成蓝宝石市场前景良好。
3.人工制备蓝宝石过程中，需要凭借长晶炉进行。蓝宝石在放肩阶段有可能会存在缺陷，传统的缺陷判断方式是通过人工凭借电焊玻璃加镀金玻璃制成的窗口观测的方式来判断。由于炉内强光不能长时间观测且人工凭借经验观测容易出现错误，因此在蓝宝石放肩阶段的缺陷检测效率低且准确率低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种蓝宝石放肩阶段缺陷视觉检测方法、装置、系统和计算机设备。
5.第一方面，本发明实施例提出一种蓝宝石放肩阶段缺陷视觉检测方法，所述方法包括：基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型；采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像；基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。
6.在一实施例中，所述基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型包括：基于预设比例将所述样本图像集划分为训练集、验证集和测试集；所述训练集和所述验证集由蓝宝石在放肩阶段不存在缺陷的样本图像所构成；所述测试集由蓝宝石在放肩阶段存在缺陷的样本图像所构成；基于所述训练集对所述变分自动编码器模型进行训练，得到初始图片生成模型；基于所述验证集对所述图片生成模型在训练过程中不断进行验证，以基于验证的结果调整模型训练算法的超参数，直到基于测试集的测试结果满足预设条件。
7.在一实施例中，所述基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷包括：将所述重构图像与所述待测图像进行比对，得到灰度差图像；基于所述灰度差图像，确定所述待测蓝宝石在放肩阶段是否存在缺陷。
8.在一实施例中，所述基于所述灰度差图像，确定所述待测蓝宝石在放肩阶段是否
存在缺陷包括：对所述灰度差图像进行聚类处理，得到背景簇和缺陷簇；基于所述背景簇和所述缺陷簇，对所述灰度差图像进行二值化处理，得到二值化图像；基于所述缺陷簇对应在所述二值化图像中的区域面积，确定所述待测蓝宝石在放肩阶段是否存在缺陷。
9.在一实施例中，所述基于所述缺陷簇对应在所述二值化图像中的区域面积，确定所述待测蓝宝石在放肩阶段是否存在缺陷包括：若所述区域面积大于预设面积，则确定所述待测蓝宝石在放肩阶段存在缺陷；反之，则确定所述待测蓝宝石在放肩阶段不存在缺陷。
10.在一实施例中，所述样本图像集中的样本图像以及所述待测图像分别由图像采集装置拍摄的多个子图像拼接得到，各所述子图像对应蓝宝石在放肩阶段不同的成像角度。
11.在一实施例中，所述方法还包括：若所述待测蓝宝石在放肩阶段存在缺陷，则在所述缺陷清洗之后，对所述待测蓝宝石重新引晶、放肩，直到所述待测蓝宝石在放肩阶段不存在缺陷。
12.第二方面，本发明实施例提出一种蓝宝石放肩阶段缺陷视觉检测装置，所述装置包括：训练模块，用于基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型；检测模块，用于采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像；确定模块，用于基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。
13.第三方面，本发明实施例提出一种蓝宝石放肩阶段缺陷视觉检测系统，其特征在于，所述系统包括用于采集待测蓝宝石在放肩阶段的待测图像的图像采集装置，以及与所述图像采集装置连接的如第二方面所述的检测装置。
14.第四方面，本发明实施例提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现第一方面所述的方法的步骤。
15.相比于现有技术，上述方法、装置、系统和计算机设备，通过基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练得到图片生成模型，采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型得到重构图像，基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。本技术方案能够快速准确的实现蓝宝石在放肩阶段的缺陷检测，从而提高蓝宝石制备的合格率。
附图说明
16.图1为一实施例中终端的结构示意图；图2为一实施例中蓝宝石放肩阶段缺陷视觉检测方法的流程示意图；图3为一实施例中模型训练方法的流程示意图；图4为一实施例中缺陷确定方法的流程示意图一；
图5为一实施例中缺陷确定方法的流程示意图二；图6为一实施例中蓝宝石放肩阶段缺陷视觉检测方法的整体流程示意图；图7为一实施例中蓝宝石放肩阶段缺陷视觉检测装置的模块连接示意图；图8为一实施例中蓝宝石放肩阶段缺陷视觉检测系统的结构示意图；图9为一实施例中计算机设备的结构示意图。
具体实施方式
17.为了更清楚地说明本发明的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本发明应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
18.如本发明和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
19.虽然本发明对根据本发明的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在计算设备和/或处理器上。模块仅是说明性的，并且系统和方法的不同方面可以使用不同模块。
20.应当理解的是，当单元或模块被描述为“连接”、“耦接”其它单元、模块或块时，其可以指直接连接或耦接，或者与其它单元、模块或块通信，或者可以存在中间的单元、模块或块，除非上下文明确指明其它方式。本文所使用的术语“和/或”可包括一个或多个相关列出项目的任意与所有组合。
21.本技术提供的蓝宝石放肩阶段缺陷视觉检测方法，可以应用于如图1所示的终端中。如图1所示，终端可以包括一个或两个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
22.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的蓝宝石放肩阶段缺陷视觉检测方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
23.传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(networkinterfacecontroller，简称为nic)， 其可通过基站与其他网络设备相连从而可
与互联网进行通讯。在一个实例中，传输设备106可以为射频(radiofrequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
24.在一实施例中，如图2所示，提供了一种蓝宝石放肩阶段缺陷视觉检测方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：s202：基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型。
25.其中，样本图像集包括蓝宝石在放肩阶段的不存在缺陷的正常状态图像以及存在缺陷的异常状态图像。
26.具体的，采用图像采集装置采集蓝宝石在放肩阶段的正常状态图像和异常状态图像。图像采集装置例如为面阵相机。
27.蓝宝石在放肩阶段通过籽晶杆的旋转来控制旋转。为保证样本图像集中晶肩棱线和肩部表面的完整性，对属于同一肩部的多张图像拼接得到一张完整状态图像，以提升图片生成模型的精度。
28.拼接图像的数量根据面阵相机的工作距离、籽晶棒转速和成像清晰的视野面积所决定。若清晰视野面积大，则需要较少的图像拼接；若清晰视野面积小，则需要更多的图像拼接。
29.s204：采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像。
30.需要说明的是，待测图像同样由图像采集装置拍摄的多个子待测图像拼接得到，各所述子待测图像对应所述待测蓝宝石在放肩阶段不同的成像角度。
31.训练完成的图片生成模型具备提取正常状态图像的特征并重构得到正常状态的重构图像，即存在缺陷的异常状态图像输入训练完成的图片生成模型后，得到不存在缺陷的正常状态图像（重构图像）。
32.s206：基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。
33.在待测图像存在缺陷的情况下，重构图像与待测图像存在差别，通过重构图像与待测图像的比对，可以确定待测蓝宝石在放肩阶段是否存在缺陷。
34.基于步骤s202-s206，通过基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型，采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像，基于所述重构图像与所述待测图像的比对，能够快速准确的确定所述待测蓝宝石在放肩阶段是否存在缺陷，从而提高蓝宝石制备的合格率。
35.在步骤s202中，如图3所示，所述基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型包括：s302：基于预设比例将所述样本图像集划分为训练集、验证集和测试集。
36.其中，所述训练集和所述验证集由蓝宝石在放肩阶段不存在缺陷的样本图像所构成，所述测试集由蓝宝石在放肩阶段存在缺陷的样本图像所构成，各样本图像不重复。
37.在一示例实施例中，样本图像集包括2000张图像，训练集、验证集和测试集按照预设比例8：1：1进行划分。对于存在缺陷的图像，可以进行缺陷位置的标记。
38.s304：基于所述训练集对所述变分自动编码器模型进行训练，得到初始图片生成
模型。
39.变分自动编码器模型采用多尺度结构，编码网络通过层级连接对应的解码网络，每层设各自的隐变量层，通过自注意力机制增强泛化能力，该隐变由编码网络的最深层出发，逐级向上反馈到各层级。
40.为了提高模型生成图像的质量，变分自动编码器模型的网络采用u-net形式，但每层网络之间互相连接，并且各层网络保有变分自动编码器的编码维度。
41.为了提高模型推理时的速度，变分自动编码器模型的网络采用混合精度计算。
42.s306：基于所述验证集对所述图片生成模型在训练过程中不断进行验证，以基于验证的结果调整模型训练算法的超参数，直到基于测试集的测试结果满足预设条件。
43.为了提高模型的泛化能力，采用遗传算法对模型训练算法的超参数进行调节，使得对于测试集的测试结果满足预设条件。
44.预设条件例如为：超参数调整后的模型对于测试集的交并比检测准确率达到60%以上。
45.在步骤s204中，如图4所示，所述基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷包括：s402：将所述重构图像与所述待测图像进行比对，得到灰度差图像；s404：基于所述灰度差图像，确定所述待测蓝宝石在放肩阶段是否存在缺陷。
46.在该实施例中，将所述重构图像与所述待测图像进行比对得到灰度差图像，基于所述灰度差图像能够确定所述待测蓝宝石在放肩阶段是否存在缺陷。
47.在一具体实施例中，如图5所示，所述基于所述灰度差图像，确定所述待测蓝宝石在放肩阶段是否存在缺陷包括：s502：对所述灰度差图像进行聚类处理，得到背景簇和缺陷簇；例如，采用基于密度的dbscan聚类算法对灰度差图像进行聚类处理，得到背景簇和缺陷簇。
48.s504：基于所述背景簇和所述缺陷簇，对所述灰度差图像进行二值化处理，得到二值化图像。
49.根据所述背景簇和所述缺陷簇可以找到一个二值化阈值，根据该二值化阈值对所述灰度差图像进行二值化处理得到二值化图像。
50.s506：基于所述缺陷簇对应在所述二值化图像中的区域面积，确定所述待测蓝宝石在放肩阶段是否存在缺陷。
51.若所述区域面积大于预设面积，则确定所述待测蓝宝石在放肩阶段存在缺陷；反之，则确定所述待测蓝宝石在放肩阶段不存在缺陷。
52.基于上述缺陷检测方法，能够快速准确的判断待测蓝宝石在放肩阶段是否存在缺陷。
53.进一步的，若所述待测蓝宝石在放肩阶段存在缺陷，则在所述缺陷清洗之后，对所述待测蓝宝石重新引晶、放肩，直到所述待测蓝宝石在放肩阶段不存在缺陷。最后，将待测图像进行存储。
54.进一步的，按照预设频率在蓝宝石的放肩阶段进行缺陷检测。蓝宝石的放肩阶段大概3-4天，示例性的，以一天三次的频率采用上述检测方法进行缺陷检测。
55.蓝宝石放肩阶段缺陷视觉检测方法的整体流程图如图6所示，首先采集蓝宝石在放肩阶段的样本图像集，利用样本图像集对变分自动编码器模型进行训练得到图片生成模型，然后将待测蓝宝在石放肩阶段的待测图像并输入至所述图片生成模型得到重构图像，基于重构图像与待测图像的比对确定待测蓝宝石在放肩阶段是否存在缺陷，若在缺陷清洗之后，对待测蓝宝石重新引晶、放肩，最后存储待测图像。
56.应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
57.在一实施例中，如图7所示，提供了一种蓝宝石放肩阶段缺陷视觉检测装置，所述装置包括：训练模块702，用于基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型；检测模块704，用于采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像；确定模块706，用于基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。
58.在本实施例中，通过训练模块基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型，通过检测模块采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像，通过确定模块基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。本技术方案能够快速准确的实现蓝宝石在放肩阶段的缺陷检测，从而提高蓝宝石制备的合格率。
59.关于蓝宝石放肩阶段缺陷视觉检测装置的具体限定可以参见上文中对于缺陷视觉检测方法的限定，在此不再赘述。上述蓝宝石放肩阶段缺陷视觉检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
60.在一个实施例中，如图8所示，提供了一种蓝宝石放肩阶段缺陷视觉检测系统，所述系统包括用于采集待测蓝宝石在放肩阶段的待测图像的图像采集装置802，以及与所述图像采集装置连接的如上述实施例中的检测装置（图中未示出）。
61.图像采集装置802安装于相机固定架804，相机固定架804与视觉观察窗806连接，图像采集装置802能够通过视觉观察窗806采集蓝宝石在放肩阶段的图像，视觉观察窗806设于长晶炉盖808，长晶炉盖808还与能够旋转的籽晶杆810连接。
62.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该
内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储动作检测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任一项蓝宝石放肩阶段缺陷视觉检测方法实施例中的步骤。
63.本领域技术人员可以理解，图9中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
64.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项蓝宝石放肩阶段缺陷视觉检测方法实施例中的步骤。
65.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（read-only memory，rom）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（random access memory，ram）或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器（staticrandom access memory，sram）或动态随机存取存储器（dynamic random access memory，dram）等。
66.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
67.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种蓝宝石放肩阶段缺陷视觉检测方法，其特征在于，所述方法包括：基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型；采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像；基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。2.根据权利要求1所述的方法，其特征在于，所述基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型包括：基于预设比例将所述样本图像集划分为训练集、验证集和测试集；所述训练集和所述验证集由蓝宝石在放肩阶段不存在缺陷的样本图像所构成；所述测试集由蓝宝石在放肩阶段存在缺陷的样本图像所构成；基于所述训练集对所述变分自动编码器模型进行训练，得到初始图片生成模型；基于所述验证集对所述图片生成模型在训练过程中不断进行验证，以基于验证的结果调整模型训练算法的超参数，直到基于测试集的测试结果满足预设条件。3.根据权利要求1所述的方法，其特征在于，所述基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷包括：将所述重构图像与所述待测图像进行比对，得到灰度差图像；基于所述灰度差图像，确定所述待测蓝宝石在放肩阶段是否存在缺陷。4.根据权利要求3所述的方法，其特征在于，所述基于所述灰度差图像，确定所述待测蓝宝石在放肩阶段是否存在缺陷包括：对所述灰度差图像进行聚类处理，得到背景簇和缺陷簇；基于所述背景簇和所述缺陷簇，对所述灰度差图像进行二值化处理，得到二值化图像；基于所述缺陷簇对应在所述二值化图像中的区域面积，确定所述待测蓝宝石在放肩阶段是否存在缺陷。5.根据权利要求4所述的方法，其特征在于，所述基于所述缺陷簇对应在所述二值化图像中的区域面积，确定所述待测蓝宝石在放肩阶段是否存在缺陷包括：若所述区域面积大于预设面积，则确定所述待测蓝宝石在放肩阶段存在缺陷；反之，则确定所述待测蓝宝石在放肩阶段不存在缺陷。6.根据权利要求1所述的方法，其特征在于，所述样本图像集中的样本图像以及所述待测图像分别由图像采集装置拍摄的多个子图像拼接得到，各所述子图像对应蓝宝石在放肩阶段不同的成像角度。7.根据权利要求1至权利要求6任一项所述的方法，其特征在于，所述方法还包括：若所述待测蓝宝石在放肩阶段存在缺陷，则在所述缺陷清洗之后，对所述待测蓝宝石重新引晶、放肩，直到所述待测蓝宝石在放肩阶段不存在缺陷。8.一种蓝宝石放肩阶段缺陷视觉检测装置，其特征在于，所述装置包括：训练模块，用于基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型；检测模块，用于采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像；
确定模块，用于基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。9.一种蓝宝石放肩阶段缺陷视觉检测系统，其特征在于，所述系统包括用于采集待测蓝宝石在放肩阶段的待测图像的图像采集装置，以及与所述图像采集装置连接的如权利要求8所述的检测装置。10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至权利要求7中任一项所述的方法的步骤。

技术总结
本申请涉及蓝宝石生长领域，特别是涉及一种蓝宝石放肩阶段缺陷视觉检测方法、装置、系统和设备。所述方法包括：基于蓝宝石在放肩阶段的样本图像集对变分自动编码器模型进行训练，得到图片生成模型；采集待测蓝宝石在放肩阶段的待测图像，并输入至所述图片生成模型，得到重构图像；基于所述重构图像与所述待测图像的比对，确定所述待测蓝宝石在放肩阶段是否存在缺陷。本技术方案能够快速准确的实现蓝宝石在放肩阶段的缺陷检测，从而提高蓝宝石制备的合格率。的合格率。的合格率。


技术研发人员：曹建伟 傅林坚 刘华 汪崇智
受保护的技术使用者：宁夏鑫晶盛电子材料有限公司 浙江晶盛机电股份有限公司
技术研发日：2023.09.06
技术公布日：2023/10/15