A COMPUTER IMPLEMENTED PROCESS TO ENHANCE EDGE DEFECT DETECTION AND OTHER DEFECTS IN OPHTHALMIC LENSES

The present invention relates to a computer-implemented process associated with a deep learning neural network architecture for generating an object detection model using a high-resolution image and, more specifically, to a computer-implemented process for improving the accuracy and reliability of the classification of an edge test in a contact lens. The present invention relates to a computer-implemented process for expressing a software architecture including software components and mutual dependence thereof, indicating a core functional module of an application. In regard to a system and a method of the present invention, a high-resolution image is captured, a circular edge of a lens is converted into a horizontal line indicating the circular edge, pixel information around the edge is removed to limit an image size, a horizontal edge image is divided into overlapped parts, and extracted images are vertically stacked to reinforce an original image with a new image generated by generative adversarial networks and then process and analyze the same through a convolutional neural network, and thus, an ideal single high-resolution image can be formed, and, as a result, a defect can be accurately classified. 본 발명은 고해상도 이미지를 사용한 객체 검출 모델을 생성하기 위한 딥러닝 신경망 아키텍쳐에 관련되는 컴퓨터 구현 프로세스이다. 특히, 본 발명은 콘택트 렌즈 내의 에지 검사의 분류 정확도 및 신뢰성을 향상시키는 것에 관한 것이다. 본 발명은 애플리케이션의 코어 기능성 모듈을 나타내는, 소프트웨어 컴포넌트 및 그들의 상호 의존성을 포함하는 소프트웨어 아키텍쳐를 표현하기 위한 컴퓨터 구현 프로세스이다. 본 발명의 시스템 및 방법은, 고해상도 이미지를 캡쳐하고, 렌즈의 원형 에지를 원형 에지를 나타내는 수평선으로 변환하며, 에지 주위의 픽셀 정보를 제거함으로써 이미지 크기를 한정하고, 수평 에지 이미지를 중첩하는 부분들로 분할하며, 추출된 이미지들을 수직으로 적층하여, GAN(Generative Adversarial Networks)에 의해 생성된 새로운 이미지로 원본 이미지를 강화시킨 후에 합성곱 신경망에 의해 처리되고 분석되기에 이상적인 단일 고해상도 이미지를 형성함으로써, 결함의 정확한 분류를 가능하게 한다.