一种基于SSD的光伏板瑕疵检测方法及装置与流程

本发明涉及光伏板检测，尤其涉及一种基于ssd的光伏板瑕疵检测方法及装置。

背景技术：

1、在学术界，光伏板瑕疵目标检测分为两个主要派别。其中，二阶段算法是其中一个重要派别，其代表性算法为区域卷积神经网络(region-cnn,rcnn)系列，二阶段算法首先通区域生成网络(region proposal network,rpn)生成候选框，然后对候选框中的识别对象进行分类处理并标记其位置。另一派别是一阶段算法，其代表性方法包括ssd算法(singleshot multibox detector)和yolo网络，ssd主要有两个部分：第一部分是深度卷积神经网络，分布在前端，采用了一种图像分类网络(vgg网络)，去除了分类层，应用于对图像前端的特征提取；第二部分为处于结构后端的检测网络，是一种级联卷积神经网络集合，用以对前端网络生成的特征层分别在不同规模情况下提取特征。与二阶段算法不同，一阶段算法采用端到端的方式，不产生候选框，而是直接给出最终计算结果。二阶段算法在检测精度方面表现优秀，然而其模型复杂性导致计算量较大，从而影响了计算速度；一阶段算法虽然快但是精度不如二阶段算法。

技术实现思路

1、为了克服上述现有技术的缺陷，本发明的目的是提供一种基于ssd的光伏板瑕疵检测方法及装置，具有检测精度更高、检测速度更快。

2、一种基于ssd的光伏板瑕疵检测方法，检测方法如下：

3、步骤一：获取光伏板的目标图片数据；

4、步骤二：将所述目标图片数据通过基于ssd算法的双分支深度残差结构网络进行深度学习和训练后，建立检测模型；

5、所述基于ssd算法的双分支深度残差结构网络包括：

6、输入尺度特征图模块，用于接收来自骨干网络的目标尺度特征图；

7、双分支深度残差结构模块，用于捕捉输入特征图的关键信息和残差信息；

8、特征融合模块，将双分支深度残差结构模块的关键信息和残差信息进行融合，得到一个综合特征；

9、预测模块，将获取待检测光伏板的图片数据转换后的综合特征，然后与检测模型中的综合特征数据库比对，预测待检测光伏板是否存在瑕疵；

10、和结果输出模块，所述结果输出模块将检测结果输出，并储存作为检测模型的数据库；

11、步骤三：获取待检测光伏板的图片数据，输入到检测模型后，转换获得待检测光伏板的综合特征，将待检测光伏板的综合特征与检测模型中的综合特征数据库比对后预测待检测光伏板是否存在瑕疵。

12、进一步的，所述双分支深度残差结构模块包括主分支模块和残差分支模块；所述主分支模块用于对输入尺度特征图模块的输入特征图主要特征的提取和处理；所述残差分支模块用于捕捉输入尺度特征图模块的输入特征图的残差信息，即捕捉主分支模块处理后的特征之间的差异。

13、进一步的，所述残差分支模块采用多个残差分支交汇的连接方式，将不同残差信息进行多层特征融合。

14、进一步的，所述残差分支模块还设置有深层特征图模块和浅层特征图模块；深层特征图模块进行变换后与浅层特征图模块相连。

15、进一步的，所述特征融合模块对深层特征图模块进行卷积之后，依次经过非线性激活函数、缩放层(scale layer)和批次归一化层(batch normalization layer)变换处理来获取特征数据，然后与浅层特征图模块相连，从而使深层特征图模块和浅层特征图模块具有同样的通道数和尺度大小；然后经过ssd算法卷积和反卷积，将主分支模块和残差分支模块的相同位置元素相加(element-wise summation)和通道级联(channelconcatenation)，使残差分支模块解析更多有益的高级语义信息，同时使残差分支模块的通道数增加到与主分支模块的通道数一致。

16、进一步的，所述双分支深度残差结构模块、特征融合模块和预测模块在结构上是分离的。

17、本发明还提供一种基于ssd的光伏板瑕疵检测装置，所述装置包括：

18、读取模块，用于获取光伏发电板的目标图片数据；

19、输入尺度特征图模块，用于接收来自骨干网络的目标尺度特征图；

20、双分支深度残差结构模块，用于捕捉输入特征图的关键信息和残差信息；

21、特征融合模块，将双分支深度残差结构模块的关键信息和残差信息进行融合，得到一个综合特征；

22、预测模块，将获取待检测光伏板的图片数据转换后的综合特征，然后与检测模型中的综合特征数据库比对，预测待检测光伏板是否存在瑕疵；

23、和结果输出模块，所述结果输出模块将检测结果输出，并储存作为检测模型的数据库。

24、进一步的，所述读取模块是通过监控摄像头获取光伏发电板上初始视频数据；提取所述初始视频数据中的图片数据，并对所述图片数据中的瑕疵进行目标框的标注，得到标注后的图片数据；对所述标注后的图片数据进行数据增强处理，得到处理后的图片。

25、进一步的，该装置还包括存储器和至少一个处理器；

26、所述存储器存储计算机程序和检测模型数据；所述至少一个处理器执行所述存储器存储的计算机程序，以实现一种基于ssd的光伏板瑕疵检测方法。

27、综上所述：本发明检测模型可得到后层传来梯度，学来的深度特征将具有更丰富的语义信息，应用于光伏板检测，通过多尺度提取目标特征经过变换后形成多层融合后的综合特征，这种设计增强了其对不同规模目标探测的鲁棒性，检测精度更高、检测速度更快。

技术特征：

1.一种基于ssd的光伏板瑕疵检测方法，其特征在于：检测方法如下：

2.根据权利要求1所述的一种基于ssd的光伏板瑕疵检测方法，其特征在于：所述双分支深度残差结构模块包括主分支模块和残差分支模块；所述主分支模块用于对输入尺度特征图模块的输入特征图主要特征的提取和处理；所述残差分支模块用于捕捉输入尺度特征图模块的输入特征图的残差信息，即捕捉主分支模块处理后的特征之间的差异。

3.根据权利要求2所述的一种基于ssd的光伏板瑕疵检测方法，其特征在于：所述残差分支模块采用多个残差分支交汇的连接方式，将不同残差信息进行多层特征融合。

4.根据权利要求2所述的一种基于ssd的光伏板瑕疵检测方法，其特征在于：所述残差分支模块还设置有深层特征图模块和浅层特征图模块；深层特征图模块进行变换后与浅层特征图模块相连。

5.根据权利要求4所述的一种基于ssd的光伏板瑕疵检测方法，其特征在于：所述特征融合模块对深层特征图模块进行卷积之后，依次经过非线性激活函数、缩放层和批次归一化层变换处理来获取特征数据，然后与浅层特征图模块相连，从而使深层特征图模块和浅层特征图模块具有同样的通道数和尺度大小；然后经过ssd算法卷积和反卷积，将主分支模块和残差分支模块的相同位置元素相加和通道级联，使残差分支模块解析更多有益的高级语义信息，同时使残差分支模块的通道数增加到与主分支模块的通道数一致。

6.根据权利要求2所述的一种基于ssd的光伏板瑕疵检测方法，其特征在于：所述双分支深度残差结构模块、特征融合模块和预测模块在结构上是分离的。

7.一种基于ssd的光伏板瑕疵检测装置，其特征在于，所述装置包括：

8.根据权利要求7所述的装置，其特征在于：所述读取模块是通过监控摄像头获取光伏发电板上初始视频数据；提取所述初始视频数据中的图片数据，并对所述图片数据中的瑕疵进行目标框的标注，得到标注后的图片数据；对所述标注后的图片数据进行数据增强处理，得到处理后的图片。

9.根据权利要求7所述的装置，其特征在于：还包括存储器和至少一个处理器；所述存储器存储计算机程序和检测模型数据；所述至少一个处理器执行所述存储器存储的计算机程序，以实现权利要求1 6中任一项所述的一种基于ssd的光伏板瑕疵检测方法。

技术总结
本发明涉及一种基于SSD的光伏板瑕疵检测方法，检测方法如下：步骤一：获取光伏板的目标图片数据；步骤二：将所述目标图片数据通过基于SSD算法的双分支深度残差结构网络进行深度学习和训练后，建立检测模型；所述基于SSD算法的双分支深度残差结构网络包括：输入尺度特征图模块、双分支深度残差结构模块、特征融合模块、预测模块和结果输出模块；步骤三：获取待检测光伏板的图片数据，输入到检测模型后，转换获得待检测光伏板的综合特征，将待检测光伏板的综合特征与检测模型中的综合特征数据库比对后预测待检测光伏板是否存在瑕疵。本发明检测模型可得到后层传来梯度，学来的深度特征将具有更丰富的语义信息，检测精度更高、检测速度更快。

技术研发人员：胡珏,蔡春良,王雪,李杰,宋登晶,张东玲
受保护的技术使用者：中建三局第二建设安装有限公司
技术研发日：
技术公布日：2024/5/16