[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的光伏太陽能板紅外缺陷檢測方法

在審

• 申請?zhí)枺?/td>: 202010085699.1
• 申請日: 2020-02-11
• 公開（公告）號: CN111292308A
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 朱虎;何春明;鄧麗珍
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G01N25/72
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

本發(fā)明公開了無損檢測技術(shù)領(lǐng)域的一種基于卷積神經(jīng)網(wǎng)絡(luò)的光伏太陽能板紅外缺陷檢測方法，旨在解決現(xiàn)有技術(shù)中利用卷積網(wǎng)絡(luò)進(jìn)行物體表面缺陷檢測時(shí)，由于受數(shù)據(jù)集的質(zhì)量、容量以及網(wǎng)絡(luò)規(guī)模的限制，無法精確捕捉和保留圖片內(nèi)容信息、網(wǎng)絡(luò)運(yùn)行速度緩慢、影響缺陷檢測效果的技術(shù)問題。所述方法包括如下步驟：將光伏太陽能板的紅外圖像輸入預(yù)先訓(xùn)練好的U型全卷積神經(jīng)網(wǎng)絡(luò)，獲取光伏太陽能板的缺陷檢測結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的光伏太陽能板紅外缺陷檢測方法，屬于無損檢測技術(shù)領(lǐng)域。

背景技術(shù)

缺陷檢測常指對物品表面缺陷的檢測，多采用先進(jìn)的機(jī)器視覺檢測技術(shù)，基于卷積神經(jīng)網(wǎng)絡(luò)的缺陷檢測技術(shù)在該領(lǐng)域中嶄露頭角。經(jīng)實(shí)踐證明，深度卷積網(wǎng)絡(luò)在很多視覺識別任務(wù)中的表現(xiàn)要優(yōu)于其他網(wǎng)絡(luò)。但受數(shù)據(jù)集的質(zhì)量、容量以及網(wǎng)絡(luò)規(guī)模的限制，卷積網(wǎng)絡(luò)在較長一段時(shí)間內(nèi)未能充分發(fā)揮其作用。克里澤夫斯基等人在2012年的突破，則是通過在百萬級訓(xùn)練圖像個(gè)數(shù)的基礎(chǔ)上對8層和數(shù)百萬參數(shù)的大型網(wǎng)絡(luò)進(jìn)行監(jiān)督訓(xùn)練。從那時(shí)起，人們開始訓(xùn)練規(guī)模更大、層次更深的網(wǎng)絡(luò)。卷積網(wǎng)絡(luò)的典型應(yīng)用便是分類任務(wù)，輸入一張圖像，對應(yīng)輸出一個(gè)單獨(dú)類標(biāo)簽。但在諸如物體表面缺陷檢測的視覺任務(wù)中，我們往往希望得到的包含特征點(diǎn)的精確定位的輸出結(jié)果，即需要將該種類標(biāo)簽精確地分配至每個(gè)像素點(diǎn)，這樣的精確定位對于大多數(shù)方法而言，都是費(fèi)時(shí)費(fèi)力且難以實(shí)現(xiàn)的。此外，很多的視覺任務(wù)因各種因素的影響，往往只能夠獲得有限的樣本圖片來組成訓(xùn)練數(shù)據(jù)集，百萬級的訓(xùn)練數(shù)據(jù)集在該情況下是難以實(shí)現(xiàn)的。

為此，錫蘭等人在2012年利用滑動(dòng)窗口內(nèi)部的特點(diǎn)，設(shè)計(jì)了一個(gè)網(wǎng)絡(luò)并對其加以訓(xùn)練，通過在每個(gè)像素點(diǎn)周圍提供一個(gè)局部區(qū)域(補(bǔ)丁塊)作為輸入來預(yù)測每個(gè)像素點(diǎn)的類標(biāo)簽。該方法解決了如下問題：(1)這個(gè)網(wǎng)絡(luò)是可以通過調(diào)節(jié)滑動(dòng)窗口的尺度來達(dá)到不同精度的定位的；(2)補(bǔ)丁塊提供訓(xùn)練數(shù)據(jù)的能力顯然要遠(yuǎn)優(yōu)于完整圖像。但該方法同時(shí)也存在如下缺陷：(1)由于該網(wǎng)絡(luò)以補(bǔ)丁塊為處理單位，導(dǎo)致該方法的運(yùn)行速度相比之下較為緩慢，而且補(bǔ)丁塊之間存在著大量的重疊部分，從而產(chǎn)生為數(shù)較大的冗余計(jì)算；(2)所取補(bǔ)丁塊的大小難以確定——當(dāng)取一個(gè)較大補(bǔ)丁塊時(shí)，需要更多的池化層來降低補(bǔ)丁的大小以提高定位的精度；而當(dāng)取一個(gè)較小補(bǔ)丁塊時(shí)，網(wǎng)絡(luò)所處理的補(bǔ)丁塊過于局部化，這會導(dǎo)致網(wǎng)絡(luò)所獲得的圖像特征無法全面地描述圖像中所包含的信息。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的光伏太陽能板紅外缺陷檢測方法，以解決現(xiàn)有技術(shù)中利用卷積網(wǎng)絡(luò)進(jìn)行物體表面缺陷檢測時(shí)，由于受數(shù)據(jù)集的質(zhì)量、容量以及網(wǎng)絡(luò)規(guī)模的限制，無法精確捕捉和保留圖片內(nèi)容信息、網(wǎng)絡(luò)運(yùn)行速度緩慢、影響缺陷檢測效果的技術(shù)問題。

為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：

一種基于卷積神經(jīng)網(wǎng)絡(luò)的光伏太陽能板紅外缺陷檢測方法，包括如下步驟：將光伏太陽能板的紅外圖像輸入預(yù)先訓(xùn)練好的U型全卷積神經(jīng)網(wǎng)絡(luò)，獲取光伏太陽能板的缺陷檢測結(jié)果。

進(jìn)一步地，所述U型全卷積神經(jīng)網(wǎng)絡(luò)包括彼此連接的收縮路徑和拓展路徑，所述收縮路徑與U型全卷積神經(jīng)網(wǎng)絡(luò)的輸入端連接，所述拓展路徑與U型全卷積神經(jīng)網(wǎng)絡(luò)的輸出端連接。

進(jìn)一步地，所述收縮路徑包括不少于兩組間隔分布的卷積核簇和最大池化核。

進(jìn)一步地，所述拓展路徑包括不少于兩組間隔分布的卷積核簇和反卷積核，拓展路徑的輸出端連接有第二卷積核。

進(jìn)一步地，所述卷積核簇由不少于兩個(gè)相同尺寸的第一卷積核串聯(lián)而成，所述第一卷積核的輸出端連接有指數(shù)線性單元。

進(jìn)一步地，所述第一卷積核的尺寸為3×3，所述第二卷積核的尺寸為1×1，所述最大池化核或/和反卷積核的尺寸為2×2。

進(jìn)一步地，收縮路徑的卷積核簇與拓展路徑的卷積核簇之間對應(yīng)連接有裁剪單元。