-
公开(公告)号：CN116843668A
公开(公告)日：2023-10-03
申请号：CN202310888622.1
申请日：2023-07-19
Applicant: 江南大学
IPC: G06T7/00 , G06V20/68 , G06V20/70 , G06V10/82 , G06V10/766 , G06V10/771 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于深度学习的苹果表皮缺陷检测方法和系统，方法包括：获取苹果表皮图像；构建改进的YOLOv5s模型；通过改进的YOLOv5s模型对所述苹果表皮图像进行缺陷检测，并输出缺陷检测结果；其中，改进的YOLOv5s模型包括Backbone模块、Neck模块和Head模块，Backbone模块包括若干DSCS结构，DSCS结构用于提取浅层特征和深层特征，并将所述浅层特征和深层特征进行拼接，再对拼接后的特征进行特征筛选；Neck模块用于对Backbone模块筛选的特征进行特征融合；Head模块用于对Neck模块融合得到的特征进行预测。本发明能够对苹果表皮的缺陷进行准确预测。
-
公开(公告)号：CN116843668B
公开(公告)日：2024-11-01
申请号：CN202310888622.1
申请日：2023-07-19
Applicant: 江南大学
IPC: G06T7/00 , G06V20/68 , G06V20/70 , G06V10/82 , G06V10/766 , G06V10/771 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于深度学习的苹果表皮缺陷检测方法和系统，方法包括：获取苹果表皮图像；构建改进的YOLOv5s模型；通过改进的YOLOv5s模型对所述苹果表皮图像进行缺陷检测，并输出缺陷检测结果；其中，改进的YOLOv5s模型包括Backbone模块、Neck模块和Head模块，Backbone模块包括若干DSCS结构，DSCS结构用于提取浅层特征和深层特征，并将所述浅层特征和深层特征进行拼接，再对拼接后的特征进行特征筛选；Neck模块用于对Backbone模块筛选的特征进行特征融合；Head模块用于对Neck模块融合得到的特征进行预测。本发明能够对苹果表皮的缺陷进行准确预测。
-
公开(公告)号：CN117764959B
公开(公告)日：2024-10-15
申请号：CN202311807106.8
申请日：2023-12-26
Applicant: 江南大学
IPC: G06T7/00 , G06V10/44 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种光伏电池组件缺陷检测方法和系统，其中，方法包括：步骤S1：获取关于光伏电池组件的图像数据；步骤S2：构建检测模型，检测模型基于YOLOv8‑nano构建，包括依次连接的Backbone模块、Neck模块和Head模块；在Backbone模块中加入EMA注意力机制，得到YOLOv8n‑EMA模型；步骤S4：通过最小化损失函数来训练所述YOLOv8n‑EMA模型，使所述YOLOv8n‑EMA模型收敛；步骤S5：利用收敛的YOLOv8n‑EMA模型对光伏电池组件的图像数据进行缺陷检测。本发明的YOLOv8n‑EMA模型提升了对缺陷特征学习的能力，进而提高了光伏电池组件缺陷检测的精度。
-
公开(公告)号：CN117764959A
公开(公告)日：2024-03-26
申请号：CN202311807106.8
申请日：2023-12-26
Applicant: 江南大学
IPC: G06T7/00 , G06V10/44 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种光伏电池组件缺陷检测方法和系统，其中，方法包括：步骤S1：获取关于光伏电池组件的图像数据；步骤S2：构建检测模型，检测模型基于YOLOv8‑nano构建，包括依次连接的Backbone模块、Neck模块和Head模块；在Backbone模块中加入EMA注意力机制，得到YOLOv8n‑EMA模型；步骤S4：通过最小化损失函数来训练所述YOLOv8n‑EMA模型，使所述YOLOv8n‑EMA模型收敛；步骤S5：利用收敛的YOLOv8n‑EMA模型对光伏电池组件的图像数据进行缺陷检测。本发明的YOLOv8n‑EMA模型提升了对缺陷特征学习的能力，进而提高了光伏电池组件缺陷检测的精度。
-
-
-
Search Results
4
records
(took 0.014 seconds)
