【技术实现步骤摘要】
本专利技术涉及深度学习，更具体地说，涉及一种光伏片表面缺陷检测的增强方法和装置。
技术介绍
1、传统的光伏片缺陷检测主要是采用传统算法和人工筛查的方法，这种检测方法人工成本高，检测效率低，应用局限性大。近年来深度学习技术发展迅速，以深度神经网络为基础的图像处理算法被赋予了强大的图像特征提取能力，这也被运用于光伏片的缺陷检测，在某些检测项逐步取代传统机器视觉以达到更高的检测出率和更低的误判率。
2、但是，现有基于深度神经网络学习的缺陷检测模型，在特定工业领域存在泛化能力强却缺乏针对性，检测精度不高，对小目标不敏感等问题。
技术实现思路
1、本专利技术要解决的技术问题在于，提供一种光伏片表面缺陷检测的增强方法和装置。
2、本专利技术解决其技术问题所采用的技术方案是：构造一种光伏片表面缺陷检测的增强方法，包括以下步骤：
3、采集光伏片的图像数据集；
4、对所述光伏片的图像数据集进行预处理，获得预处理数据；
5、采用预设方法对所述预处理数据进行数据增强，获得增强数据；
6、在完成数据增强后，基于改进的主干网络层对所述增强数据进行特征提取及特征融合；
7、将完成特征融合的图像传输至检测网络，以生成改进模型；
8、通过所述图像数据集对所述改进模型进行测试和验证；
9、根据测试和验证的结果对所述改进模型的指标进行评价；
10、根据评价结果确定所述改进模型的对光伏片表面缺陷检测的
11、在本专利技术所述的光伏片表面缺陷检测的增强方法中，所述采用预设方法对所述预处理数据进行数据增强，获得增强数据包括：
12、采用sticher方法对所述预处理数据进行数据增强，获得所述增强数据。
13、在本专利技术所述的光伏片表面缺陷检测的增强方法中，所述改进的主干网络层为：在主干网络层中增加残差神经网络模块的主干网络层。
14、在本专利技术所述的光伏片表面缺陷检测的增强方法中，所述将完成特征融合的图像传输至检测网络，以生成改进模型包括：
15、将完成特征融合的图像传输至检测网络；
16、通过损失函数计算预测损失，以生成所述改进模型。
17、在本专利技术所述的光伏片表面缺陷检测的增强方法中，所述改进模型为基于yolov5改进的模型。
18、本专利技术还提供一种光伏片表面缺陷检测的增强装置，包括：
19、数据采集单元，用于采集光伏片的图像数据集；
20、预处理单元，用于对所述光伏片的图像数据集进行预处理，获得预处理数据；
21、数据增强单元，用于采用预设方法对所述预处理数据进行数据增强，获得增强数据；
22、特征处理单元，用于在完成数据增强后，基于改进的主干网络层对所述增强数据进行特征提取及特征融合；
23、模型生成单元，用于将完成特征融合的图像传输至检测网络，以生成改进模型；
24、测试和验证单元，用于通过所述图像数据集对所述改进模型进行测试和验证；
25、指标评估单元，用于根据测试和验证的结果对所述改进模型的指标进行评价；
26、检测效果判定单元，用于根据评价结果确定所述改进模型的对光伏片表面缺陷检测的检出结果。
27、在本专利技术所述的光伏片表面缺陷检测的增强装置中，所述数据增强单元具体用于：
28、采用sticher方法对所述预处理数据进行数据增强，获得所述增强数据。
29、在本专利技术所述的光伏片表面缺陷检测的增强装置中，所述改进的主干网络层为：在主干网络层中增加残差神经网络模块的主干网络层。
30、在本专利技术所述的光伏片表面缺陷检测的增强装置中，所述模型生成单元具体用于：
31、将完成特征融合的图像传输至检测网络；
32、通过损失函数计算预测损失，以生成所述改进模型。
33、在本专利技术所述的光伏片表面缺陷检测的增强装置中，所述改进模型为基于yolov5改进的模型。
34、实施本专利技术的光伏片表面缺陷检测的增强方法和装置，具有以下有益效果：包括：采集光伏片的图像数据集；对光伏片的图像数据集进行预处理，获得预处理数据；采用预设方法对预处理数据进行数据增强，获得增强数据；基于改进的主干网络层对增强数据进行特征提取及特征融合；将完成特征融合的图像传输至检测网络，以生成改进模型；通过图像数据集对改进模型进行测试和验证；根据测试和验证的结果对改进模型的指标进行评价；根据评价结果确定改进模型的对光伏片表面缺陷检测的检出结果。本专利技术通过采用预设方法进行数据增强，并利用改进的主干网络进行特征处理，可以有效地对光伏片表面缺陷进行检出，且对小目标缺陷有较好的检测效果，检测灵敏度和精度高。
本文档来自技高网...【技术保护点】
1.一种光伏片表面缺陷检测的增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的光伏片表面缺陷检测的增强方法，其特征在于，所述采用预设方法对所述预处理数据进行数据增强，获得增强数据包括：
3.根据权利要求1所述的光伏片表面缺陷检测的增强方法，其特征在于，所述改进的主干网络层为：在主干网络层中增加残差神经网络模块的主干网络层。
4.根据权利要求1所述的光伏片表面缺陷检测的增强方法，其特征在于，所述将完成特征融合的图像传输至检测网络，以生成改进模型包括：
5.根据权利要求1-4任一项所述的光伏片表面缺陷检测的增强方法，其特征在于，所述改进模型为基于YOLOv5改进的模型。
6.一种光伏片表面缺陷检测的增强装置，其特征在于，包括：
7.根据权利要求6所述的光伏片表面缺陷检测的增强装置，其特征在于，所述数据增强单元具体用于：
8.根据权利要求6所述的光伏片表面缺陷检测的增强装置，其特征在于，所述改进的主干网络层为：在主干网络层中增加残差神经网络模块的主干网络层。
9.根据权利要求6所
10.根据权利要求6-9任一项所述的光伏片表面缺陷检测的增强装置，其特征在于，所述改进模型为基于YOLOv5改进的模型。
...【技术特征摘要】
1.一种光伏片表面缺陷检测的增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的光伏片表面缺陷检测的增强方法，其特征在于，所述采用预设方法对所述预处理数据进行数据增强，获得增强数据包括：
3.根据权利要求1所述的光伏片表面缺陷检测的增强方法，其特征在于，所述改进的主干网络层为：在主干网络层中增加残差神经网络模块的主干网络层。
4.根据权利要求1所述的光伏片表面缺陷检测的增强方法，其特征在于，所述将完成特征融合的图像传输至检测网络，以生成改进模型包括：
5.根据权利要求1-4任一项所述的光伏片表面缺陷检测的增强方法，其特征在于，所述改进模...
【专利技术属性】
技术研发人员：谢崇亮，麦浩晃，唐勇，王典雄，
申请(专利权)人：昂视智能深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。