一种基于深度学习的光学元件表面缺陷数据集制作方法

本发明公开了一种基于深度学习的光学元件表面缺陷数据集制作方法，所述方法包括：获取光学元件表面缺陷图像；将获取到的缺陷图像输入预先训练好的缺陷检测模型中进行缺陷自动检测；基于缺陷检测结果，使用轮廓检索法，绘制每个缺陷的外部轮廓、统计其对应的缺陷类型以及缺陷总数，然后生成轮廓检索结果；对得到的轮廓检索结果进行快速人工校正；生成光学元件表面缺陷图像的标签。所述缺陷检测模型为语义分割网络，其不仅能够判断缺陷是否存在和进行缺陷分类，还能够实现像素级别的缺陷定位和提取。本发明降低了制作缺陷像素级标签时易在复杂背景下发生误检和漏检的概率，极大地提升了光学元件表面缺陷数据集的制作效率和制作精度。