[發明專利]一種光伏面板缺陷識別模型構建和缺陷識別方法、系統

在審

• 申請號: 202310384554.5
• 申請日: 2023-04-11
• 公開（公告）號: CN116433627A
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 王方政;孫勇;馬哲;鄭開元;李鵬;張亞平
• 申請（專利權）人: 中國長江三峽集團有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 陳丕光

1.一種光伏面板缺陷識別模型構建方法，其特征在于，所述方法包括：

獲取光伏面板圖像數據集和卷積神經網絡卷積層內部每個卷積核對應的網絡參數；

基于所述網絡參數確定參數梯度；

基于所述網絡參數，經過預設處理方法，得到所述卷積核的閔可夫斯基距離；

基于所述參數梯度和所述閔可夫斯基距離，對所述卷積核進行優化，得到目標卷積核，以及基于所述目標卷積核確定目標卷積神經網絡；

將所述光伏面板圖像數據集輸入至所述目標卷積神經網絡進行訓練直至得到滿足條件的光伏面板缺陷識別模型。

2.根據權利要求1所述的方法，其特征在于，基于所述參數梯度和所述閔可夫斯基距離，對所述卷積核進行優化，得到目標卷積核，包括：

將所述參數梯度和所述閔可夫斯基距離進行比對；

當所述參數梯度大于所述閔可夫斯基距離，增加所述卷積核的規模，得到所述目標卷積核；

當所述參數梯度小于所述閔可夫斯基距離，減少所述卷積核的規模，得到所述目標卷積核。

3.根據權利要求2所述的方法，其特征在于，所述目標卷積核的規模如下公式所示：

c′_l,i＝n′_l,i·n′_l,i

式中：c′_l,i表示第l層卷積神經網絡卷積層內第i個目標卷積核的規模；n′_l,i表示第l層卷積神經網絡卷積層內第i個目標卷積核的步長；n_l,i表示第l層卷積神經網絡卷積層內第i個卷積核更新前的步長；ΔW_l,i表示第l層卷積神經網絡卷積層內第i個卷積核內參數W對應的參數梯度；d_l,i表示第l層卷積神經網絡卷積層內第i個卷積核的閔可夫斯基距離。

4.一種光伏面板缺陷識別方法，其特征在于，所述方法包括：

獲取待識別光伏面板的圖像數據集；

將所述待識別光伏面板的圖像數據集輸入如權利要求1-3任一項所述的光伏面板缺陷識別模型構建方法得到的光伏面板缺陷識別模型，得到所述待識別光伏面板的缺陷識別結果。

5.根據權利要求4所述的方法，其特征在于，將所述待識別光伏面板的圖像數據集輸入如權利要求1-3任一項所述的光伏面板缺陷識別模型構建方法得到的光伏面板缺陷識別模型，得到所述待識別光伏面板的缺陷識別結果，包括：

基于所述待識別光伏面板的圖像數據集，經過所述光伏面板缺陷識別模型中卷積層處理，得到所述待識別光伏面板的深層次光伏圖像特征集；

基于所述深層次光伏圖像特征集，經過所述光伏面板缺陷識別模型中池化層處理，得到所述待識別光伏面板的目標深層次光伏圖像特征集；

基于所述目標深層次光伏圖像特征集，經過所述光伏面板缺陷識別模型中分類層分類，得到所述待識別光伏面板的缺陷識別結果。

6.一種光伏面板缺陷識別系統，用于執行如權利要求4或5所述的光伏面板缺陷識別方法，其特征在于，所述系統包括：

數據采集單元，用于獲取待識別光伏面板的圖像數據集，以及將所述待識別光伏面板的圖像數據集發送至控制單元；

所述控制單元，用于基于所述待識別光伏面板的圖像數據集，經過光伏面板缺陷識別模型處理，得到所述待識別光伏面板的缺陷識別結果，以及將所述缺陷識別結果發送至數據管理單元；

所述數據管理單元，用于保存并顯示所述缺陷識別結果。