龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：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。
主权项：1.一种基于SSMD的半监督微裂纹检测方法，其特征在于，包括：S1：构建学生模型和教师模型，所述学生模型和所述教师模型均为Faster-R-CNN架构，均配备有特征金字塔网络，均使用ImageNet预训练的ResNet50作为主干网络；S2：获取带标注的光伏电池图像集，基于所述带标注的光伏电池图像集对所述学生模型进行监督训练；S3：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；S4：获取未标注的光伏电池图像集，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；S5：监督训练后的所述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所述教师模型；S6：组合微裂纹图像数据集和带标注的光伏电池图像集得到微裂纹数据集，无监督训练后的所述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；S7：联合监督训练、无监督训练以及半监督训练的损失函数，计算得到总损失函数；基于总损失函数优化所述学生模型，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。
全文数据：
权利要求：
百度查询： 湘江实验室 一种基于SSMD的半监督微裂纹检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号