科研之友
微信
新浪微博
Facebook
分享链接
摘要
在太阳能电池板的生产和使用过程中，需要对缺陷进行检测。对此，提出一种基于生成式自监督学习的太阳能电池板缺陷检测方法。这一方法使用双通道生成式自监督学习方法，训练基于自注意力的缺陷识别深度学习网络，能够准确识别出太阳能电池板的表面缺陷。应用这一方法时，离散编码通道使用离散变分编码器对输入的图像进行离散编码，形成输入图像特征的编码表征。使用自注意力通道随机遮盖40%图像块，并输入基于自注意力的遮盖模型，使用全连接分类网络将自注意力表征映射为图像离散编码表征，训练模型以获得能够重建被遮盖图像块的能力。应用这一方法针对太阳能电池板缺陷数据集进行训练和测试，仅需200个训练周期，就可以达到81.74%的分类准确率。试验结果表明这一方法能够避免像素级复原，在显著减小运算量的同时提取图像全局和细节特征，实现较好的缺陷分类识别效果，稳健性佳，有很强的泛化能力。
-
单位上海师范大学天华学院; 上海交通大学; 上海科学技术情报研究所
