[发明专利]基于SinGAN算法的光伏组件缺陷检测方法及相关装置

权利要求书

1.基于SinGAN算法的光伏组件缺陷检测方法，其特征在于，包括：

获取光伏组件缺陷图像，并进行预处理，将处理好的数据随机分配为训练集与验证集；

搭建SinGAN算法中多尺度的生成器和判别器的网络模型；

将预处理好的图像数据输入已搭建好的多尺度的生成器和判别器的网络模型中，对该多尺度的生成器和判别器的网络模型进行逐级训练，获得每个GAN的权重数据；

利用训练后的网络模型中的判别器对验证集中光伏组件缺陷图像进行检测，得到更高精度的判别器。

2.根据权利要求1所述的基于SinGAN算法的光伏组件缺陷检测方法，其特征在于，预处理过程为：

先对图像按照对应GANs的尺度进行不同比例的放缩，接着对图像数据进行归一化处理获得处理好的数据，最后将处理好的图像数据随机分配为训练集与验证集。

3.根据权利要求1所述的基于SinGAN算法的光伏组件缺陷检测方法，其特征在于，搭建SinGAN算法中的多尺度的生成器和判别器的网络模型：

在SinGAN中的每组尺度的GAN相互连接，呈现为金字塔结构；其中生成器和判别器都具有类似的网络结构，生成器和判别器都是由多层卷积组成，并且使用了LeakyReLU激活函数；不同尺度的GAN的生成图片从低分辨率到高分辨率依次增加，图片从粗糙到精致，先从最底层开始训练，逐步训练至最顶层，从底层到顶层图像的尺度逐级变大。

4.根据权利要求1所述的基于SinGAN算法的光伏组件缺陷检测方法，其特征在于，获得每个GAN的权重数据：

先从第N层的GAN开始训练，其他层的GAN参数固定不变，只单独训练这一层GAN；第N层生成器G_N的输入为一张随机噪声图像Z_N，将其输入经G_N后获得生成图像x’_N；

然后通过将生成图像x’_N会和真实图像x_N一起送入判别器来判断生成图像x’_N的真伪，依据判别器输出的概率值判断输入图像是否为真；

当第N层GAN训练好后，固定该层GAN的权重参数，开始对第N-1层GAN进行训练，此时，该层的生成器G_N-1的输入为一张随机噪声图像Z_N-1和上一层的生成图像x’_N经过放大r倍后的图像；

剩下的每层GAN都能够学习到上一层GAN所没有学习到的细节信息，生成更精致的图像；

逐级训练剩下尺度的GAN，直至第0层。

5.根据权利要求4所述的基于SinGAN算法的光伏组件缺陷检测方法，其特征在于，其中第n个GAN的训练损失包括一个对抗损失和重建损失，即

其中和分别为第n层的判别器和生成器，为对抗损失，α是权重系数，是重建损失，以确保噪声图能够产生有意义的图像。

6.根据权利要求1所述的基于SinGAN算法的光伏组件缺陷检测方法，其特征在于，得到更高精度的判别器：

利用训练得到的多尺度的网络模型中的第0层的判别器对验证集中光伏组件缺陷图像进行检测，得到一个达到更高精度的判别器模型。

7.一种基于SinGAN算法的光伏组件缺陷检测系统，其特征在于，包括：

数据获取看，用于获取光伏组件缺陷图像，并进行预处理，将处理好的数据随机分配为训练集与验证集；

模型搭建模块，用于搭建SinGAN算法中多尺度的生成器和判别器的网络模型；

训练模块，用于将预处理好的图像数据输入已搭建好的多尺度的生成器和判别器的网络模型中，对该多尺度的生成器和判别器的网络模型进行逐级训练，获得每个GAN的权重数据；

检测模块，用于利用训练后的网络模型中的判别器对验证集中光伏组件缺陷图像进行检测，得到更高精度的判别器。