原始名称记载: 平方和（北京）科技股份有限公司

本发明涉及机器视觉领域，具体是一种基于云‑机器视觉的隐形眼镜边缘瑕疵DR检测方法及装置，通过对多光场下的隐形眼镜图像进行预处理和定位，得到镜片轮廓。然后基于镜片轮廓进行明显瑕疵检测以及瑕疵特征提取，最后利用预先配置的分析参数来对瑕疵特征进行分析。从而对隐形眼镜的边缘进行全面的瑕疵检测。针对当前隐形眼镜生产过程中瑕疵多样性、不确定性以及形态不稳定等情况有更好的适应能力，使得该系统可以被广泛应用到隐形眼镜自动化检测系统中，降低人工复检成本，提升生产效率，进而提高最终产品良品率。

本发明涉及机器视觉领域，具体是一种基于元学习的在线美瞳印刷墨点检测方法及系统，本申请采用Few‑ShotCounting模型结合元学习机制，通过少量模板图像在线训练，实现对不同花纹隐形眼镜的墨点快速检测与质量判定。该系统通过区域划分、墨点计数与规则判定，精准识别光学区墨点及印刷区与光学区边缘的超标墨点。本方法涉及机器视觉检测技术和信号处理技术，目的是对高分辨相机采集到的隐形眼镜图像进行进一步利用，对该图像进行自动化学习和鉴别，判断其中所对应产品正常与否，以达到降低人工成本，节约时间，提升生产良品率的目的。

本发明涉及基于云和机器视觉技术领域，具体是一种基于云‑机器视觉的高精度多光场隐形眼镜边缘瑕疵检测方法及装置，获取浸泡于玻璃碗的水中的印花隐形眼镜的多光场原始图像，并对多光场原始图像进行预处理，得到明场图像、暗场图像以及预处理图像；对预处理图像进行玻璃碗检测，提取玻璃碗的几何特征；基于玻璃碗的几何特征对玻璃碗区域内的印花隐形眼镜进行轮廓特征提取；然后基于上述提取的图像和特征执行粗检、笛卡尔坐标系和极坐标系下的边缘瑕疵检测。本申请对高分辨相机采集到的隐形眼镜图像进行进一步利用，对该图像进行自动化鉴别，判断其中所对应产品正常与否，以达到降低人工成本，节约时间，提升生产良品率的目的。