Exploring quality inspection and grade judgment of distortion defects in the fabrication of spectacle lenses
Notice bibliographique
Résumé
This study explores the quality control system featuring visual inspection and grade judgment for detecting distortion defects in spectacle lens fabrication. Spectacle lenses must be precisely curved to help accommodate nearsightedness and farsightedness. The curved shape allows the lens to have different curvatures in different areas during grinding. The spectacle lens will be prone to optical distortion when the curvature changes abnormally. Accordingly, this study proposes an automatic distortion flaw inspection system for spectacle lenses to substitute professional inspectors who rely on empirical judgment. We first apply the digital imaging of a concentric circle pattern through a testing lens to create an image of that lens. Second, the centroid–radii model is employed to stand for the shape property of each concentric circle in the image. Third, by finding the deviations of the centroid radii for detecting distortion flaws through a small variation control method, we obtain a different image showing the detected distortion regions. Four, based on the distortion amounts and locations, we establish the fuzzy membership functions and inference rulesets to measure distortion severity. Finally, the GA-ANFIS model is applied to determine the quality levels of distortion severity for the detected distortion flaws. Trial outcomes reveal that the proposed automatic inspection system can help practitioners in spectacle lens fabrication, for it attains a high 94% correct classification rate of quality grades in distortion severity, 81.09% distortion flaw detection rate, and 10.94% fake alert rate, in distortion inspection of spectacle lenses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».