System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 同心圆缺陷检测方法、装置、计算机设备及存储介质制造方法及图纸_技高网

同心圆缺陷检测方法、装置、计算机设备及存储介质制造方法及图纸

技术编号:43028681 阅读:3 留言:0更新日期:2024-10-18 17:28
本发明专利技术提供一种同心圆缺陷检测方法、装置、计算机设备及存储介质,方法包括:获取待检测光伏组件对应的目标图像;获取已训练的目标同心圆缺陷检测模型;目标同心圆缺陷检测模型包括编码模块和卷积模块;对目标图像进行输入处理,得到目标图像对应的初始特征向量和初始特征向量对应的位置向量;基于编码模块,对初始特征向量和位置向量进行编码处理,得到中间特征向量;基于卷积模块,对中间特征向量进行特征提取,得到目标特征向量;对目标特征向量进行缺陷预测,得到同心圆缺陷检测结果。本发明专利技术利用编码模块和卷积模块各自的特性,能够更好的实现同心圆的识别检测,最终提高了同心圆缺陷检测的精确度。

【技术实现步骤摘要】

本专利技术涉及图像处理,具体涉及一种同心圆缺陷检测方法、装置、计算机设备及存储介质


技术介绍

1、光伏组件在生产过程中容易出现同心圆缺陷。具体的,同心圆缺陷可能由于材料制备过程中的缺陷、加工过程中的问题或者环境因素等原因引起。这些同心圆缺陷可能会对光伏组件的性能产生一些不好的影响。因此,通常在光伏组件出厂前,会对其进行同心圆缺陷检测,以保障出厂后的光伏组件的性能。

2、现有方法大部分采用传统图像分析来进行光伏组件的同心圆缺陷检测,其中缺点非常明显,主要体现在鲁棒性差,非常受图像质量的影响。


技术实现思路

1、针对现有技术中所存在的不足,本专利技术提供一种同心圆缺陷检测方法、装置、计算机设备及存储介质。

2、第一方面,在一个实施例中,本专利技术提供一种同心圆缺陷检测方法,同心圆缺陷检测方法包括:

3、获取待检测光伏组件对应的目标图像;

4、获取已训练的目标同心圆缺陷检测模型;目标同心圆缺陷检测模型包括编码模块和卷积模块;

5、对目标图像进行输入处理,得到目标图像对应的初始特征向量和初始特征向量对应的位置向量;

6、基于编码模块,对初始特征向量和位置向量进行编码处理,得到中间特征向量;

7、基于卷积模块,对中间特征向量进行特征提取,得到目标特征向量;

8、对目标特征向量进行缺陷预测,得到同心圆缺陷检测结果。

9、在一个实施例中,卷积模块包括依次连接的多个卷积层;基于卷积模块,对中间特征向量进行特征提取,得到目标特征向量,包括:

10、基于多个卷积层,对中间特征向量依次进行特征提取,得到多个卷积层依次输出的目标特征向量;

11、对目标特征向量进行缺陷预测,得到同心圆缺陷检测结果,包括:

12、将至少两个卷积层输出的目标特征向量进行特征融合,得到融合特征向量;

13、对融合特征向量进行缺陷预测,得到同心圆缺陷检测结果。

14、在一个实施例中,卷积模块包括至少五个卷积层,融合特征向量包括第一融合特征向量和第二融合特征向量;将至少两个卷积层输出的目标特征向量进行特征融合,得到融合特征向量,包括:

15、将第二个卷积层输出的目标特征向量和第四个卷积层输出的目标特征向量进行特征融合,得到第一融合特征向量;

16、将第三个卷积层输出的目标特征向量和第五个卷积层输出的目标特征向量进行特征融合,得到第二融合特征向量。

17、在一个实施例中,对融合特征向量进行缺陷预测,得到同心圆缺陷检测结果,包括:

18、对第一融合特征向量进行类别预测,得到第一类别预测结果;

19、对第二融合特征向量进行类别预测,得到第二类别预测结果;

20、将第一类别预测结果和第二类别预测结果进行加权处理,得到目标类别检测结果;同心圆缺陷检测结果包括目标类别检测结果,目标类别检测结果表征目标图像是否存在同心圆缺陷。

21、在一个实施例中,将第一类别预测结果和第二类别预测结果进行加权处理,得到目标类别检测结果,包括:

22、获取第一类别预测结果对应的第一加权系数和第一加权指数以及第二类别预测结果对应的第二加权系数和第二加权指数;

23、根据第一加权系数、第一加权指数、第二加权系数和第二加权指数,对第一类别预测结果和第二类别预测结果进行加权处理,得到目标类别检测结果。

24、在一个实施例中,对融合特征向量进行缺陷预测,得到同心圆缺陷检测结果,包括:

25、对第一融合特征向量进行位置预测,得到第一位置预测结果;

26、对第二融合特征向量进行位置预测,得到第二位置预测结果;

27、将第一位置预测结果和第二位置预测结果进行非极大值抑制处理,得到目标位置检测结果;同心圆缺陷检测结果包括目标位置检测结果,目标位置检测结果表征目标图像存在同心圆缺陷时同心圆缺陷在目标图像中的位置。

28、在一个实施例中,获取待检测光伏组件对应的目标图像,包括:

29、获取待检测光伏组件对应的初始图像;

30、对初始图像进行切割处理,得到多个中间图像;

31、将多个中间图像中的任意一个确定为目标图像。

32、第二方面,在一个实施例中,本专利技术提供一种同心圆缺陷检测装置,同心圆缺陷检测装置包括:

33、图像获取单元,用于获取待检测光伏组件对应的目标图像;

34、模型获取单元,用于获取已训练的目标同心圆缺陷检测模型;目标同心圆缺陷检测模型包括编码模块和卷积模块;

35、缺陷检测单元,用于对目标图像进行输入处理,得到目标图像对应的初始特征向量和初始特征向量对应的位置向量;基于编码模块,对初始特征向量和位置向量进行编码处理,得到中间特征向量;基于卷积模块,对中间特征向量进行特征提取,得到目标特征向量;对目标特征向量进行缺陷预测,得到同心圆缺陷检测结果。

36、第三方面,在一个实施例中,本专利技术提供一种计算机设备,包括存储器和处理器;存储器存储有计算机程序,处理器用于运行存储器内的计算机程序,以执行上述任一种实施例中的同心圆缺陷检测方法中的步骤。

37、第四方面,在一个实施例中,本专利技术提供一种存储介质,存储介质存储有计算机程序,计算机程序被处理器进行加载,以执行上述任一种实施例中的同心圆缺陷检测方法中的步骤。

38、通过上述同心圆缺陷检测方法、装置、计算机设备及存储介质,采用已训练的目标同心圆缺陷检测模型来完成光伏组件的同心圆缺陷检测,利用编码模块和卷积模块各自的特性,能够更好的实现同心圆的识别检测,最终提高了同心圆缺陷检测的精确度。

本文档来自技高网...

【技术保护点】

1.一种同心圆缺陷检测方法,其特征在于,所述同心圆缺陷检测方法包括:

2.根据权利要求1所述的同心圆缺陷检测方法,其特征在于,所述卷积模块包括依次连接的多个卷积层;所述基于卷积模块,对所述中间特征向量进行特征提取,得到目标特征向量,包括:

3.根据权利要求2所述的同心圆缺陷检测方法,其特征在于,所述卷积模块包括至少五个卷积层,所述融合特征向量包括第一融合特征向量和第二融合特征向量;所述将至少两个卷积层输出的目标特征向量进行特征融合,得到融合特征向量,包括:

4.根据权利要求3所述的同心圆缺陷检测方法,其特征在于,所述对所述融合特征向量进行缺陷预测,得到所述同心圆缺陷检测结果,包括:

5.根据权利要求4所述的同心圆缺陷检测方法,其特征在于,所述将所述第一类别预测结果和所述第二类别预测结果进行加权处理,得到目标类别检测结果,包括:

6.根据权利要求4所述的同心圆缺陷检测方法,其特征在于,所述对所述融合特征向量进行缺陷预测,得到所述同心圆缺陷检测结果,包括:

7.根据权利要求1至6任一项所述的同心圆缺陷检测方法,其特征在于,所述获取待检测光伏组件对应的目标图像,包括:

8.一种同心圆缺陷检测装置,其特征在于,所述同心圆缺陷检测装置包括:

9.一种计算机设备,其特征在于,包括存储器和处理器;所述存储器存储有计算机程序,所述处理器用于运行所述存储器内的所述计算机程序,以执行权利要求1至7任一项所述的同心圆缺陷检测方法中的步骤。

10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至7任一项所述的同心圆缺陷检测方法中的步骤。

...

【技术特征摘要】

1.一种同心圆缺陷检测方法,其特征在于,所述同心圆缺陷检测方法包括:

2.根据权利要求1所述的同心圆缺陷检测方法,其特征在于,所述卷积模块包括依次连接的多个卷积层;所述基于卷积模块,对所述中间特征向量进行特征提取,得到目标特征向量,包括:

3.根据权利要求2所述的同心圆缺陷检测方法,其特征在于,所述卷积模块包括至少五个卷积层,所述融合特征向量包括第一融合特征向量和第二融合特征向量;所述将至少两个卷积层输出的目标特征向量进行特征融合,得到融合特征向量,包括:

4.根据权利要求3所述的同心圆缺陷检测方法,其特征在于,所述对所述融合特征向量进行缺陷预测,得到所述同心圆缺陷检测结果,包括:

5.根据权利要求4所述的同心圆缺陷检测方法,其特征在于,所述将所述第一类别预测结果和所述第二类别预测结果进行加权...

【专利技术属性】
技术研发人员:沈建华李义强肖泳王龙孟淑霞孙怡玮
申请(专利权)人:正泰集团研发中心上海有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1