公开(公告)号：CN117314892B

公开(公告)日：2024-02-13

申请号：CN202311584711.3

申请日：2023-11-27

Applicant: 中南大学

Inventor： 杨柳 ,  蒋诗婕 ,  龙军 ,  罗跃逸 ,  吴忠泽

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/082

Abstract: 本发明涉及计算机视觉技术领域，具体公开了一种基于增量学习的太阳能电池缺陷检测持续优化方法，其构建缺陷检测模型，对缺陷检测模型持续优化更新，具体是：持续输入缺陷数据，更新特征提取器、辅助分类器、特征融合器和分类器，利用梯度下降法进行增量训练，构建未知缺陷类别范例集并调整已知缺陷类别范例集，基于特征提取器的几何中心对特征提取器进行剪枝，实现大幅减轻灾难性遗忘、新旧任务检测持续优化兼顾的缺陷检测。优点是，少量类别数据集即可启动缺陷检测过程，并只需在各阶段存储旧数据集极小规模范例集和输入训练集，保证对缺陷检测模型持续优化更新，同时降低了存储与(56)对比文件Binyi Su 等.Deep Learning-BasedSolar-Cell Manufacturing Defect DetectionWith Complementary AttentionNetwork.IEEE.2021,全文.谢昭 等.独立子空间中的场景特征增量学习方法.计算机研究与发展.2013,(第11期),全文.

公开(公告)号：CN117372759A

公开(公告)日：2024-01-09

申请号：CN202311317872.6

申请日：2023-10-12

Applicant: 中南大学

Inventor： 龙军 ,  吴忠泽 ,  罗跃逸 ,  蒋诗婕 ,  齐倩倩

IPC: G06V10/764 ,  G06T7/00 ,  G06V10/44 ,  G06V10/30 ,  G06V10/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提供了一种面向太阳能电池生产缺陷的细粒度检测方法，包括步骤S1、得到中值滤波处理后的图像IMF(x)；步骤S2、采用Swin Transformer对图像IMF(x)进行特征提取，输出N层特征图Fl；步骤S3、构建分层双线性池化金字塔，将提取的多层特征图Fl转化为高阶的双线性特征金字塔；构建路径聚合注意力金字塔，对双线性特征金字塔中的每一层特征添加SCC注意力机制，得到突出的不同尺度下缺陷的细粒度特征；步骤S4、采用检测层对缺陷的细粒度特征进行准确定位和分类。本发明能够解决现有技术中对太阳能电池片缺陷的细粒度检测方面存在的问题。

公开(公告)号：CN117314892A

公开(公告)日：2023-12-29

申请号：CN202311584711.3

申请日：2023-11-27

Applicant: 中南大学

Inventor： 杨柳 ,  蒋诗婕 ,  龙军 ,  罗跃逸 ,  吴忠泽

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/082

Abstract: 本发明涉及计算机视觉技术领域，具体公开了一种基于增量学习的太阳能电池缺陷检测持续优化方法，其构建缺陷检测模型，对缺陷检测模型持续优化更新，具体是：持续输入缺陷数据，更新特征提取器、辅助分类器、特征融合器和分类器，利用梯度下降法进行增量训练，构建未知缺陷类别范例集并调整已知缺陷类别范例集，基于特征提取器的几何中心对特征提取器进行剪枝，实现大幅减轻灾难性遗忘、新旧任务检测持续优化兼顾的缺陷检测。优点是，少量类别数据集即可启动缺陷检测过程，并只需在各阶段存储旧数据集极小规模范例集和输入训练集，保证对缺陷检测模型持续优化更新，同时降低了存储与计算负荷。