一种基于SegMamba的超轻量化光伏组件图像分割方法技术

本发明专利技术公开了一种基于SegMamba的超轻量化光伏组件图像分割方法，S1：数据预处理与优化；S2：特征提取：依次通过PatchEmbed2D和PMM Layer层深度提取图像特征，归一化操作后生成第一阶段特征图，以此类推，将第上一阶段生成的特征图经过上述操作生成下一阶段的特征图，最后生成了四个不同分辨率的图像；S3：特征融合；本发明专利技术具有图像分割精度显著提高、模型超轻量化的优势：编码器中引入PatchEmbed2D分块和PMM Layer均分通道数操作，实现特征的多样性与深度挖掘的同时大大减少模型的参数量与计算量；解码器中采用递归跨层级的特征融合策略，确保了高维语义信息与低维细节信息的全面交互；并行互补机制精准捕捉光伏组件图像的细微特征与差异，提升了分割精度，为后续光伏组件缺陷检测等应用提供了坚实保障。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种基于segmamba的超轻量化光伏组件图像分割方法。

技术介绍

1、传统的光伏组件图像分割方法大都是基于人工手动标注分割和一些传统的深度学习方法，人工手动方法通过利用光伏阵列的四边形特征进行光伏阵列分割，但分割精度有限且耗时较长；近年来，基于自注意机制的transformer 模型被应用于计算机视觉领域，其通过自我关注机制实现了全局信息的交互，可以揭示输入数据的不同位置和尺度之间的依赖关系，在irt图像分割方面比传统手工方法传统的模型（如fcn、unet、segformer等）具有一定的优势，但仍存在计算复杂度高，效率低下；

2、依赖特定特征且鲁棒性不足：传统基于四边形特征的分割方法高度依赖特定几何特征，面对多变环境需频繁调参，限制了分割精度与鲁棒性。

3、计算成本高：自注意机制transformer模型（如segformer）虽能捕获全局信息和不同尺度间的依赖关系，但处理高分辨率图像时计算复杂度高，不适用于实时性要求高的场景。

4、模型泛化能力不足：现有的深度学习方法虽表现出色，但受本文档来自技高网...

【技术保护点】

1.一种基于SegMamba的超轻量化光伏组件图像分割方法，其特征在于：具体步骤包括：S1：数据预处理与优化：S11：利用搭载双光谱相机的无人机进行低空高分辨率拍摄，同时捕获光伏阵列的红外和可见光图像；经过多次拍摄，共获得了红外与可见光图像各若干张，每张图像均具备 640×512像素的分辨率；使用红外热成像进行分析；经过筛选，最终保留高质量的红外热成像图；

2.根据权利要求1所述的一种基于SegMamba的超轻量化光伏组件图像分割方法，其特征在于：所述在每个 PMM Layer块中，通道数为C的特征X首先经过归一化处理，然后被分成四个特征，每个特征的通道数为C/4；之后每个特...

【技术特征摘要】

1.一种基于segmamba的超轻量化光伏组件图像分割方法，其特征在于：具体步骤包括：s1：数据预处理与优化：s11：利用搭载双光谱相机的无人机进行低空高分辨率拍摄，同时捕获光伏阵列的红外和可见光图像；经过多次拍摄，共获得了红外与可见光图像各若干张，每张图像均具备 640×512像素的分辨率；使用红外热成像进行分析；经过筛选，最终保留高质量的红外热成像图；

2.根据权利要求1所述的一种基于segmamba的超轻量化光伏组件图像分割方法，其特征在于：所述在每个 pmm layer块中，通道数为c的特征x首先经过归一化处理，然后被分成四个特征，每个特征的通道数为c/4；之后每个特征同时并行输入由两个串行的 mamba 模块组成的 pmm block进行卷积操作；在每个通道里，将输入的1/4原始特征经过 sigmoid函数后与输出的特征进行相加，最终将这四个特...

【专利技术属性】
技术研发人员：陈旺虎，李晓琴，罗逸华，陈戬，
申请(专利权)人：西北师范大学，
类型：发明
国别省市：