-
公开(公告)号：CN119048501A
公开(公告)日：2024-11-29
申请号：CN202411525609.0
申请日：2024-10-30
Applicant: 湘江实验室
IPC: G06T7/00 , G06N3/0455 , G06N3/096 , G06T7/11 , G06V10/10 , G06V10/44 , G06V10/764 , G01N21/88
Abstract: 本申请涉及一种基于Transformer的光伏电池缺陷检测方法，将输入图像划分为多个小块，对分块的输入图像进行层归一化；将第一特征提取模块经过多教师知识蒸馏；归一化的特征经过知识蒸馏的第一特征提取模块输出低层特征；将低层特征经过特征重校准模块，计算二分类分数，基于二分类分数重新加权低层特征，得到重校准特征；将第二特征提取模块经过多教师知识蒸馏；归一化的重校准特征经过知识蒸馏的第二特征提取模块输出缺陷检测结果。该方法通过设计的多教师知识蒸馏策略以及重校准模块，显著提升了光伏电池缺陷的检测性能，使得缺陷检测结果更加精准。
-
Patent Agency Ranking
公开(公告)号：CN118398233A
公开(公告)日：2024-07-26
申请号：CN202410818192.0
申请日：2024-06-24
Applicant: 湘江实验室
Abstract: 本发明属于数据分析处理技术领域，具体涉及一种面向不平衡医疗数据集的分析处理方法，包括：采集不平衡医疗数据集，并进行标准化处理；对标准化后的不平衡训练数据集构建SVM模型，并分别识别少数类和多数类的支持向量、及采用EDR方法分别估计多数类和少数类支持向量的数据范围；基于多数类支持向量，结合模糊三角函数和#imgabs0#方法进行欠采样处理，挑选出所有价值的多数类的支持向量；基于少数类支持向量，采用ELM‑ABC方法进行过采样处理，生成更多少数类支持向量；将经欠采样处理后的多数类和经过采样处理后的少数类支持向量组成平衡医疗数据集。采用双重采样的方法对不平衡医疗数据集平衡化处理，达到平衡数据的目的。
-
公开(公告)号：CN119048501B
公开(公告)日：2025-01-07
申请号：CN202411525609.0
申请日：2024-10-30
Applicant: 湘江实验室
IPC: G06T7/00 , G06N3/0455 , G06N3/096 , G06T7/11 , G06V10/10 , G06V10/44 , G06V10/764 , G01N21/88
Abstract: 本申请涉及一种基于Transformer的光伏电池缺陷检测方法，将输入图像划分为多个小块，对分块的输入图像进行层归一化；将第一特征提取模块经过多教师知识蒸馏；归一化的特征经过知识蒸馏的第一特征提取模块输出低层特征；将低层特征经过特征重校准模块，计算二分类分数，基于二分类分数重新加权低层特征，得到重校准特征；将第二特征提取模块经过多教师知识蒸馏；归一化的重校准特征经过知识蒸馏的第二特征提取模块输出缺陷检测结果。该方法通过设计的多教师知识蒸馏策略以及重校准模块，显著提升了光伏电池缺陷的检测性能，使得缺陷检测结果更加精准。
-
公开(公告)号：CN119048511B
公开(公告)日：2025-01-07
申请号：CN202411534530.4
申请日：2024-10-31
Applicant: 湘江实验室
IPC: G06T7/00 , G06N3/0464 , G06N3/088 , G06N3/09 , G06N3/096
Abstract: 本申请涉及一种基于SSMD的半监督微裂纹检测方法，包括：构建学生模型和教师模型；基于带标注的光伏电池图像集对学生模型进行监督训练；基于监督训练后的学生模型的参数初始化教师模型的参数；初始化后的教师模型基于未标注的光伏电池图像集生成伪标签以及带有伪标签的微裂纹图像，多个带有伪标签的微裂纹图像组成微裂纹图像数据集；监督训练后的学生模型基于伪标签进行无监督训练，并基于监督训练中学生模型输出的特征信息更新教师模型；无监督训练后的学生模型基于数据增强后的微裂纹数据集进行半监督训练；基于总损失函数优化学生模型，将待检测的光伏电池图像输入至优化后的学生模型，输出微裂纹检测结果。该方法实现了精确的微裂纹检测。
-
公开(公告)号：CN118398233B
公开(公告)日：2024-09-13
申请号：CN202410818192.0
申请日：2024-06-24
Applicant: 湘江实验室
Abstract: 本发明属于数据分析处理技术领域，具体涉及一种面向不平衡医疗数据集的分析处理方法，包括：采集不平衡医疗数据集，并进行标准化处理；对标准化后的不平衡训练数据集构建SVM模型，并分别识别少数类和多数类的支持向量、及采用EDR方法分别估计多数类和少数类支持向量的数据范围；基于多数类支持向量，结合模糊三角函数和#imgabs0#方法进行欠采样处理，挑选出所有价值的多数类的支持向量；基于少数类支持向量，采用ELM‑ABC方法进行过采样处理，生成更多少数类支持向量；将经欠采样处理后的多数类和经过采样处理后的少数类支持向量组成平衡医疗数据集。采用双重采样的方法对不平衡医疗数据集平衡化处理，达到平衡数据的目的。
-
公开(公告)号：CN119048511A
公开(公告)日：2024-11-29
申请号：CN202411534530.4
申请日：2024-10-31
Applicant: 湘江实验室
IPC: G06T7/00 , G06N3/0464 , G06N3/088 , G06N3/09 , G06N3/096
Abstract: 本申请涉及一种基于SSMD的半监督微裂纹检测方法，包括：构建学生模型和教师模型；基于带标注的光伏电池图像集对学生模型进行监督训练；基于监督训练后的学生模型的参数初始化教师模型的参数；初始化后的教师模型基于未标注的光伏电池图像集生成伪标签以及带有伪标签的微裂纹图像，多个带有伪标签的微裂纹图像组成微裂纹图像数据集；监督训练后的学生模型基于伪标签进行无监督训练，并基于监督训练中学生模型输出的特征信息更新教师模型；无监督训练后的学生模型基于数据增强后的微裂纹数据集进行半监督训练；基于总损失函数优化学生模型，将待检测的光伏电池图像输入至优化后的学生模型，输出微裂纹检测结果。该方法实现了精确的微裂纹检测。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
