本申请涉及光伏电池,具体而言,涉及一种断栅缺陷检测方法、装置、电子设备和存储介质。
背景技术:
1、近年来光伏电池领域蓬勃发展。在生产环节如何实现各类缺陷高精度快速检测,提高产品合格率,成为生产环节面临的最大难题。
2、目前,可以通过人工检测、传统计算机视觉方法检测等方式对光伏电池较为明显的划伤、隐裂、黑斑、虚焊、污染、裂纹、崩角等缺陷进行检测。
3、然而,光伏断栅缺陷由于其缺陷宽度微小且与光伏电池的背景色差小,无法很好的识别检测。因此,亟需一种光伏电池的断栅缺陷检测方法。
技术实现思路
1、为了解决现有光伏电池断栅缺陷检测的问题,本申请提供了一种断栅缺陷检测方法、装置、电子设备和存储介质。
2、第一方面,本申请实施例提供一种断栅缺陷检测方法,该方法包括:
3、获取光伏电池的待检验图像;
4、将待检验图像输入至断栅缺陷检测模型中;断栅缺陷检测模型为对初始的语义分割模型进行训练得到的模型;
5、获取断栅缺陷检测模型输出的检测结果图像,在待检验图像中包括断栅缺陷时,检测结果图像中包括断栅缺陷轮廓。
6、在其中一个实施例中,在将待检验图像输入至断栅缺陷检测模型中之前,还包括:
7、获取样本图像集;样本图像集中包括多张具有断栅缺陷的目标样本图像,以及各目标样本图像对应的缺陷标注图像;
8、依次将各目标样本图像输入至初始的语义分割模型中,基于语义分割模型输出的各目标样本图像对应的断栅缺陷检测结果以及各目标样本图像对应的缺陷标注图像,对语义分割模型进行训练,训练后的语义分割模型为断栅缺陷检测模型。
9、在其中一个实施例中,断栅缺陷检测方法还包括:
10、获取多张初始样本图像;初始样本图像中包括断栅缺陷;
11、对各初始样本图像进行数据增强,得到各目标样本图像;数据增强的方式包括随机缩放、随机旋转、随机裁剪、随机翻转、随机光度失真。
12、在其中一个实施例中,对各初始样本图像进行数据增强,得到各目标样本图像,包括:
13、对各初始样本图像依次进行随机缩放、随机旋转、随机裁剪、随机翻转、随机光度失真处理后,得到各目标样本图像;随机光度失真包括随机亮度、随机对比度、随机饱和度、随机色度。
14、在其中一个实施例中,依次将各目标样本图像输入至初始的语义分割模型中,基于语义分割模型输出的各目标样本图像对应的断栅缺陷检测结果以及各目标样本图像对应的缺陷标注图像,对语义分割模型进行训练,包括:
15、在将目标样本图像输入至初始的语义分割模型后,基于语义分割模型输出的目标样本图像对应的检测结果、各目标样本图像对应的缺陷标注图像和预设的损失函数,计算损失值;
16、若损失值不小于预设阈值,基于损失值,调整语义分割模型的超参数;
17、将下一目标样本图像输入至调整超参数后的语义分割模型中,并返回执行计算损失值的步骤,直至损失值小于预设阈值时,确定达到预设收敛条件,得到断栅缺陷检测模型。
18、在其中一个实施例中,预设的损失函数为焦点损失函数。
19、在其中一个实施例中,语义分割模型为segformer-b0模型。
20、在其中一个实施例中,在训练断栅缺陷检测模型之前,取消对初始的语义分割模型中的标准化和位置模块的权重衰减,并将初始的语义分割模型中头部权重的学习率设置为骨干网络的学习率的10倍;
21、在训练断栅缺陷检测模型的过程中采用adamw优化器。
22、第二方面,本申请实施例提供一种断栅缺陷检测装置,包括:
23、第一获取模块,用于获取光伏电池的待检验图像;
24、输入模块,用于将待检验图像输入至断栅缺陷检测模型中;断栅缺陷检测模型为对初始的语义分割模型进行训练得到的模型;
25、第二获取模块,用于获取断栅缺陷检测模型输出的检测结果图像,在待检验图像中包括断栅缺陷时,检测结果图像中包括针对断栅缺陷轮廓。
26、第三方面,本申请提供一种电子设备,包括:存储器和处理器,存储器存储有计算机程序,其特征在于,处理器执行计算机程序时实现上述第一方面任一项实施例中方法的步骤。
27、第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面任一项实施例中方法的步骤。
28、本申请的有益效果:
29、在本申请实施例提供的断栅缺陷检测方法、装置、电子设备和存储介质中,获取待检测的光伏电池的待检验图像,将待检验图像输入至断栅缺陷检测模型中,以使断栅缺陷检测模型输出检测结果图像。由于采用了断栅缺陷检测模型,能够快速准确的对待检验图像中的断栅缺陷进行分割,得到检测结果图像。同时,由于断栅缺陷检测模型为对初始的语义分割模型进行训练得到的模型,能够很好的学习到缺陷轮廓的特征,得到较为准确的缺陷标注结果。
1.一种断栅缺陷检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的断栅缺陷检测方法,其特征在于,在所述将所述待检验图像输入至断栅缺陷检测模型中之前,还包括:
3.根据权利要求2所述的断栅缺陷检测方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的断栅缺陷检测方法,其特征在于,所述对各所述初始样本图像进行数据增强,得到各所述目标样本图像,包括:
5.根据权利要求2所述的断栅缺陷检测方法,其特征在于,所述依次将各所述目标样本图像输入至初始的语义分割模型中,基于所述语义分割模型输出的各所述目标样本图像对应的断栅缺陷检测结果以及各所述目标样本图像对应的缺陷标注图像,对所述语义分割模型进行训练,包括:
6.根据权利要求5所述的断栅缺陷检测方法,其特征在于,所述预设的损失函数为焦点损失函数。
7.根据权利要求2-6任一项所述的断栅缺陷检测方法,其特征在于,所述语义分割模型为segformer-b0模型。
8.根据权利要求2-6任一项所述的断栅缺陷检测方法,其特征在于,在训练所述断栅缺陷检测模型之前,取消对所述初始的语义分割模型中的标准化和位置模块的权重衰减,并将所述初始的语义分割模型中头部权重的学习率设置为骨干网络的学习率的10倍;
9.一种断栅缺陷检测装置,其特征在于,包括:
10.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。