一种基于改进RetinaNet的单阶段光伏组件表面缺陷检测方法技术

本发明专利技术公开了一种基于改进RetinaNet的单阶段光伏组件表面缺陷检测方法，属于图像识别技术领域，通过对RetinaNet的特征金字塔结构和残差网络结构进行了优化，改变了网络特征融合的方法，用自顶向下和自底向上的双向融合结构取代了原来的单向特征融合结构，双向特征融合结构提高了网络在不同阶段提取小目标信息的能力；为了抑制背景噪声和提高特征提取能力，在残差结构中加入了通道注意机制模块ECA，改进后的残差块提升了网络的特征提取能力，并加强对小目标的关注度，因此优化后的网络在光伏组件表面缺陷检测中表现出优异的性能。

【技术实现步骤摘要】

本专利技术涉及图像识别，尤其涉及一种基于改进retinanet的单阶段光伏组件表面缺陷检测方法。

技术介绍

1、光伏组件表面缺陷检测是光伏行业中至关重要的一环，它直接影响着光伏发电系统的性能和长期稳定运行。由于现有大型光伏电站常设于恶劣环境中，导致太阳能光伏组件可能出现裂纹、热斑等问题。外部环境因素可能导致裂纹扩展，进而加剧整块光伏组件的发热情况。热斑和裂纹的存在会显著降低发热效率，甚至可能带来严重危害和巨额经济损失。因此，在新能源迅猛发展的今天，太阳能光伏组件表面缺陷检测变得至关重要。

2、基于图像处理和计算机视觉技术的光伏组件表面缺陷检测方法得到了广泛应用。通过采集光伏组件表面的图像数据，利用图像处理技术对这些数据进行分析和处理，可以有效地检测出光伏组件表面的裂纹、污渍、烧蚀等缺陷。这种方法具有非接触式、高效率的特点，已经成为光伏组件表面缺陷检测的主流方法之一，但由于缺陷种类的不确定性，不同的缺陷需要不同的参数进行调整，因此该方法并不能广泛应用于大多数光伏组件表面缺陷检测场合。

3、随着机器学习和人工智能技术在光伏组件表面缺陷检本文档来自技高网...

【技术保护点】

1.一种基于改进RetinaNet的单阶段光伏组件表面缺陷检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于改进RetinaNet的单阶段光伏组件表面缺陷检测方法，其特征在于：步骤A1中，所述采集原始光伏组件图像，制作样本数据集，包括以下步骤：

3.根据权利要求1所述的基于改进RetinaNet的单阶段光伏组件表面缺陷检测方法，其特征在于：步骤A3中，所述数据增强预处理采用随机亮度增强、图像反转、裁剪拼接的方法对标注完的图像进行数据增强，实现样本数据集的扩充。

4.根据权利要求2所述的基于改进RetinaNet的单阶段光伏组件表...

【技术特征摘要】

1.一种基于改进retinanet的单阶段光伏组件表面缺陷检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于改进retinanet的单阶段光伏组件表面缺陷检测方法，其特征在于：步骤a1中，所述采集原始光伏组件图像，制作样本数据集，包括以下步骤：

3.根据权利要求1所述的基于改进retinanet的单阶段光伏组件表面缺陷检测方法，其特征在于：步骤a3中，所述数据增强预处理采用随机亮度增强、图像反转、裁剪拼接的方法对标注完的图像进行数据增强，实现样本数据集的扩充。

4.根据权利要求2所述的基于改进retinanet的单阶段光伏组件表面缺陷检测方法，其特征在于：步骤a4中，利用增强处理后的训练集和验证集对目标检测retinanet网络模型进行训练，具体步骤为：将增强处理后的训练样本集输入改进后retinanet网络模型中，依次对缺陷检测模型进行迭代训练，保存训练好的网络参数；使用验证样本集对训练后缺陷检测模型进行参数调整，得到缺陷检测retinanet模型。

5.根据权利要求4...

【专利技术属性】
技术研发人员：苗体健，费致根，郭兴，孙依泉，
申请(专利权)人：无锡晷测科技有限公司，
类型：发明
国别省市：