公开(公告)号：CN115018744A

公开(公告)日：2022-09-06

申请号：CN202210401756.1

申请日：2022-04-18

Applicant: 华北电力大学

Inventor： 靳昌伟 ,  廖斌

IPC: G06T5/50 ,  G06T5/00 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络的红外可见光图像融合系统，本发明通过将源图像进行加噪声处理后再输入生成器，而判决器直接输入未添加噪声的源图像和生成器生成的融合图像的方法进行训练，有效抑制了源图像的噪声；融合模型中包括一个生成器和两个判决器，两个判决器分别将红外源图像、可见光源图像和融合图像进行判决，有效保留了两图像各自的有用信息；基于VGG‑19网络结构对可见光源图像和融合图像提取特征后再输入判决器，有效提取了可见光图像的深度特征，保留了更多的特征信息。本发明得到的融合结果有效保留了可见光图像的细节信息和红外图像的热辐射信息且起到了去噪的作用，有良好的融合效果。

公开(公告)号：CN114022694A

公开(公告)日：2022-02-08

申请号：CN202111210588.X

申请日：2021-10-18

Applicant: 华北电力大学

Inventor： 靳昌伟 ,  廖斌 ,  其他发明人请求不公开姓名

IPC: G06V10/762 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  H01L21/66

Abstract: 本发明公开了一种基于改进卷积神经网络的太阳能电池板故障识别方法，本发明通过太阳能电池板电致发光原理采集得到故障图像，分析故障图像特征，采取图像样本统一格式、图像剪裁和大小调整、去均值、归一化、图像增强等预处理操作得到数据集；结合太阳能电池板故障图像数据集的特点，采用学习率配置优化方法、聚类算法确定最优锚框和非极大值抑制避免多个锚框等方法，改进了YOLOv3神经网络；针对故障图像的类型、位置的表型形式有很多种，提出基于卷积神经网络的太阳能电池板故障识别系统，建立了故障图像识别分类方法。本发明改进了之前故障识别系统无法识别具体故障的问题，可以准确的对具体故障类型进行判断和位置识别。