基于信息熵特征提取的光学模块表面缺陷检测方法研究
《Entropy》:A Study on a Method for Detecting Surface Defects in Optical Modules Based on Information Entropy Feature Extraction
【字体:
大
中
小
】
时间:2026年06月19日
来源:Entropy 2
摘要
光学模块是人工智能计算网络和数字通信系统中的核心传输接口。近年来,对这些模块的需求呈爆发式增长。在批量生产过程中,对表面缺陷检测的精确度以及抗噪声能力的要求也在不断上升。现有的POL检测模型容易受到环境噪声的干扰,有效的缺陷信息往往会被噪声熵所掩盖,因此这类模型在检测对比度低或尺寸极小的缺陷时会出现较高的误检率。本文提出了一种结合信息熵约束的传统图像处理检测方案。所有实验样本均来自实际的工业批量生产线。该方案的核心流程包括:在校准阶段利用基于熵加权的霍夫变换进行噪声抑制;通过Canny边缘检测结合局部熵过滤来实现轮廓定位;再基于Hu相似度匹配和熵差验证来进行缺陷融合识别。实验结果表明,与传统的POL方法相比,所提出的WOMC方法在高斯噪声和椒盐噪声环境下,图像清晰度平均提升了35.77%,检测率则提高了约2.25倍。根据实验统计分析,该方法在缺陷检测中的准确率为96.67%,召回率为97.32%,误报率为3.31%。此外,该检测模型的综合性能得分达到了96.99%。而且,它无需使用深度学习模型,计算成本较低,非常适合大规模批量生产的检测需求。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号