[发明专利]融合短时和长时深度特征的太阳能电池片缺陷检测方法有效

专利信息
申请号: 201910511774.3 申请日: 2019-06-13
公开(公告)号: CN110222784B 公开(公告)日: 2020-05-26
发明(设计)人: 钱晓亮;栗靖;田二林;曾黎;王慰;王延峰;杨存祥;过金超;史坤峰;毋媛媛;王芳 申请(专利权)人: 郑州轻工业学院
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06K9/40;G01N21/88
代理公司: 郑州优盾知识产权代理有限公司 41125 代理人: 栗改
地址: 450002 *** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提出了一种融合短时和长时深度特征的太阳能电池片缺陷检测方法,其步骤为:预处理;短时深度特征提取:将预处理后的图像进行分块并向量化后送入堆叠式降噪自动编码器中进行训练,获取到由所有图像块自身学习出的二维自适应深度特征矩阵,同时将二维自适应深度特征矩阵转换为三维矩阵,得到由当前图像观测信息组成的短时深度特征;长时深度特征提取;短时深度特征和长时深度特征融合与转换;低秩矩阵分解与后处理,得到最终检测结果。本发明使用融合当前图像观测信息和先验知识的深度特征来表征太阳能电池片的缺陷,能够显著提高太阳能电池片缺陷检测的通用性和准确性,运算量小、检测效率高,且定位精度较高。
搜索关键词: 融合 深度 特征 太阳能电池 缺陷 检测 方法
【主权项】:
1.一种融合短时和长时深度特征的太阳能电池片缺陷检测方法,其特征在于,其步骤如下:步骤一:预处理:对一帧待检测的太阳能电池片三通道彩色图像进行预处理,消除待检测图像中的无关信息;步骤二:短时深度特征提取:将预处理后的图像进行分块并向量化后送入堆叠式降噪自动编码器中进行训练,获取到由所有图像块自身学习出的二维自适应深度特征矩阵,同时将二维自适应深度特征矩阵转换为三维矩阵,得到由当前图像观测信息组成的短时深度特征;步骤三:长时深度特征提取:将预处理后的图像直接送入到深度卷积神经网络中提取由先验知识组成的长时深度特征;步骤四:短时深度特征和长时深度特征融合与转换:将短时深度特征和长时深度特征进行拼接融合,对预处理后的图像进行超像素分割,将分割过程中确定出的每个超像素块包含像素点的定位标签投影到融合后的三维特征矩阵上,使其转换为二维矩阵,得到最终的特征表示;步骤五:低秩矩阵分解与后处理:对转换后的二维特征矩阵进行低秩矩阵分解,得到初步检测结果,再对初步检测结果进行后处理后得到最终检测结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于郑州轻工业学院,未经郑州轻工业学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910511774.3/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top