公开(公告)号：CN113781466B

公开(公告)日：2024-01-19

申请号：CN202111106218.1

申请日：2021-09-22

Applicant: 河北工业大学

Inventor： 周颖 ,  王如意 ,  袁梓桐 ,  陈海永 ,  刘坤

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06V10/764 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于多尺度注意力密集网络的太阳能电池板缺陷识别方法，包括：划分太阳能电池板缺陷图像、构建多尺度融合注意力机制的密集网络、训练阶段和测试阶段。本发明在原本的密集网络中加入空间组增强模块、多尺度融合思想以及注意力机制，使得改进后的网络针对太阳能电池板缺陷识别的准确率得到极大提升。采用多尺度融合，将不同层级中的特征聚合到一起提高了网络模型的表达能力，有效地提高了网络模型的识别准确率。在网络中注入注意力机制，使得网络能够专注于要识别的缺陷，抑制背景信息，解决类间相似性过高，难以辨别的问题。采用空间组增强策略，增强不同种类缺陷的特征，解决缺陷种类多。

公开(公告)号：CN114897857A

公开(公告)日：2022-08-12

申请号：CN202210569308.2

申请日：2022-05-24

Applicant: 河北工业大学

Inventor： 王如意 ,  周颖 ,  陈海永 ,  袁梓桐 ,  颜毓泽

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为基于轻量型神经网络的太阳能电池缺陷检测方法，该方法搭建的表面缺陷检测模型以轻量型注意力YOLOv5网络基础，由输入端、骨干网络、特征增强部分和输出端组成；输入端用于数据增强，骨干网络由Shufflenetv2网络和全局上下文信息模块构成，Shufflenetv2网络首先将特征图进行一次卷积、批归一化、ReLU激活函数、池化操作，然后依次交替进入空间下采样单元和基本单元组成的阶段模块中，重复三次，获得最终的输出特征图；特征增强部分由特征金字塔和路径增强网络组成，采用自下而上和自上而下的路径对信息作进一步的融合增强；输出端用于计算模型的训练损失。该模型的参数量少，降低模型的计算复杂度，能够在移动端部署。

公开(公告)号：CN113781466A

公开(公告)日：2021-12-10

申请号：CN202111106218.1

申请日：2021-09-22

Applicant: 河北工业大学

Inventor： 周颖 ,  王如意 ,  袁梓桐 ,  陈海永 ,  刘坤

IPC: G06T7/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度注意力密集网络的太阳能电池板缺陷识别方法，包括：划分太阳能电池板缺陷图像、构建多尺度融合注意力机制的密集网络、训练阶段和测试阶段。本发明在原本的密集网络中加入空间组增强模块、多尺度融合思想以及注意力机制，使得改进后的网络针对太阳能电池板缺陷识别的准确率得到极大提升。采用多尺度融合，将不同层级中的特征聚合到一起提高了网络模型的表达能力，有效地提高了网络模型的识别准确率。在网络中注入注意力机制，使得网络能够专注于要识别的缺陷，抑制背景信息，解决类间相似性过高，难以辨别的问题。采用空间组增强策略，增强不同种类缺陷的特征，解决缺陷种类多。

公开(公告)号：CN113935977A

公开(公告)日：2022-01-14

申请号：CN202111234513.5

申请日：2021-10-22

Applicant: 河北工业大学

Inventor： 周颖 ,  袁梓桐 ,  刘作军 ,  陈海永 ,  刘坤 ,  张杰

IPC: G06T7/00 ,  G06K9/62 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于生成对抗网络的太阳能电池板缺陷生成方法，该方法通过自行设计的包含多注意力模块的改进型生成对抗网络，利用太阳能缺陷图像数据集对网络进行训练。数据集中的图像均可以resize为同样尺寸，若干张图像为一批在训练过程的对应阶段输入生成对抗网络中的生成器与判别器中进行训练，当判别器的损失函数值趋于平衡时则终止训练，最终得到的生成器即可进行高质量图像生成。本发明设计的改进型生成对抗网络可以改善模式坍塌问题，同时提高图像细节的清晰度。

公开(公告)号：CN113935977B

公开(公告)日：2024-11-19

申请号：CN202111234513.5

申请日：2021-10-22

Applicant: 河北工业大学

Inventor： 周颖 ,  袁梓桐 ,  刘作军 ,  陈海永 ,  刘坤 ,  张杰

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明公开一种基于生成对抗网络的太阳能电池板缺陷生成方法，该方法通过自行设计的包含多注意力模块的改进型生成对抗网络，利用太阳能缺陷图像数据集对网络进行训练。数据集中的图像均可以resize为同样尺寸，若干张图像为一批在训练过程的对应阶段输入生成对抗网络中的生成器与判别器中进行训练，当判别器的损失函数值趋于平衡时则终止训练，最终得到的生成器即可进行高质量图像生成。本发明设计的改进型生成对抗网络可以改善模式坍塌问题，同时提高图像细节的清晰度。