[發明專利]光伏板圖像分割方法及其模型的訓練方法、裝置

在審

• 申請號: 202310618102.9
• 申請日: 2023-05-29
• 公開（公告）號: CN116630624A
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 徐胤;毛晴;黃夢珂;楊家榮;韓少恒
• 申請（專利權）人: 上海電氣集團股份有限公司
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/774;G06V10/82;G06N3/0895
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 羅朗;林嵩

本發明公開了一種光伏板圖像分割方法及其模型的訓練方法、裝置，該訓練方法包括：獲取訓練樣本集；將第一樣本圖像輸入第一模型得到第一圖像分割結果；將第二樣本圖像輸入第二模型得到置信度和偽標簽；根據置信度選擇第三樣本圖像和對應的目標偽標簽；將第三樣本圖像輸入第一模型得到第三圖像分割結果；根據真實標簽和第一圖像分割結果的損失以及目標偽標簽和第三圖像分割結果的損失更新第一模型的模型參數，將收斂的第一模型作為光伏板圖像分割模型。本發明采用兩個模型相配合的半監督訓練方式訓練光伏板圖像分割模型，實現了少量的有標簽樣本和大量的無標簽樣本的有效利用，并根據置信度對無標簽樣本進行篩選，保證了訓練的模型精度。

技術領域

本發明涉及圖像識別和深度學習技術領域，特別涉及一種光伏板圖像分割方法及其模型的訓練方法、裝置。

背景技術

光伏電站在穩定、持續、高效的發電過程中，因為光伏板本身問題或者其他問題導致發電量下降，需要對光伏板進行巡檢，實時檢測光伏板運行情況并及時排除有可能影響光伏板正常運行的異物，目前主要方式是通過無人機拍攝紅外及可見光圖像進行巡檢，并對圖像中光伏板表面是否存在異物以及異物的分布進行判斷。其中，光伏板圖像分割是光伏板異物檢測的必要前置步驟，通過分割出可見光圖像中的光伏板，可以排除圖像中除光伏板外的其他物體的干擾，因此提高光伏板圖像分割的準確率有助于提高異物檢測的準確率。

現有的光伏板圖像分割任務需要依賴于大量的標簽數據進行訓練，而光伏板圖像數據的人工標注成本太高，大量采集的圖像數據是沒有標簽的，使得訓練出來的光伏板圖像分割模型的準確性不高。目前，通過半監督學習的方式能有效的解決訓練的標簽數據量不足的問題，半監督學習的關鍵在于為訓練數據集中的無標簽圖像的各個像素打上偽標簽，偽標簽的準確性及可靠性越高，則訓練得到的模型的精度越高。由于有標簽圖像的數量要遠遠大于無標簽圖像的數量，因此無法保證偽標簽的準確度，使用不準確的偽標簽標注的數據集進行圖像分割任務的模型訓練將導致模型朝著錯誤的方向發展，從而影響光伏板圖像分割模型的準確性。

發明內容

本發明要解決的技術問題是為了克服現有技術中有標簽圖像數據有限的情況下光伏板圖像分割的準確性不高的缺陷，提供一種光伏板圖像分割方法及其模型的訓練方法、裝置。

本發明是通過下述技術方案來解決上述技術問題：

本發明的第一方面提供一種光伏板圖像分割模型的訓練方法，所述訓練方法包括：

獲取訓練樣本集，所述訓練樣本集包括具有真實標簽的多個第一樣本圖像以及無標簽的多個第二樣本圖像，所述第一樣本圖像和所述第二樣本圖像均包含光伏板，所述第一樣本圖像的數量少于所述第二樣本圖像的數量；

將所述第一樣本圖像輸入第一模型進行光伏板分割處理，輸出所述第一樣本圖像的第一圖像分割結果；

將所述第二樣本圖像輸入第二模型進行光伏板分割處理，輸出所述第二樣本圖像的置信度和第二圖像分割結果，并根據所述第二圖像分割結果得到所述第二樣本圖像的偽標簽；

根據所述置信度從所述第二樣本圖像中選擇第三樣本圖像，并從所述偽標簽中選擇與所述第三樣本圖像對應的目標偽標簽；

將所述第三樣本圖像輸入所述第一模型進行光伏板分割處理，輸出所述第三樣本圖像的第三圖像分割結果；

根據所述真實標簽和所述第一圖像分割結果計算的第一損失以及所述目標偽標簽和所述第三圖像分割結果計算的第二損失更新所述第一模型的模型參數，并基于所述第一模型的模型參數更新所述第二模型的模型參數，直至滿足收斂條件，將收斂的第一模型作為所述光伏板圖像分割模型。

較佳地，所述根據所述置信度從所述第二樣本圖像中選擇第三樣本圖像的步驟包括：

選擇所述置信度大于置信度閾值的所述第二樣本圖像作為所述第三樣本圖像；

或，