典型文献
基于生成式自监督学习的太阳能电池板缺陷检测
文献摘要:
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.
文献关键词:
自监督学习;太阳能电池板;缺陷;检测
中图分类号:
作者姓名:
凌旭峰;周丽婕;祝毓;杨红卫;杨杰
作者机构:
上海师范大学天华学院 上海 201815;上海图书馆(上海科学技术情报研究所) 上海 200031;上海志良电子科技有限公司 上海 200072;上海交通大学图像处理与模式识别研究所 上海 200240
文献出处:
引用格式:
[1]凌旭峰;周丽婕;祝毓;杨红卫;杨杰-.基于生成式自监督学习的太阳能电池板缺陷检测)[J].机械制造,2022(07):12-18
A类:
B类:
生成式,自监督学习,太阳能电池板,陷进,缺陷检测方法,双通道,道生,自注意力,缺陷识别,深度学习网络,准确识别,表面缺陷,离散变分,变分编码器,图像特征,编码表,遮盖,全连接,分类网络,力表,训练模型,够重,缺陷数据,训练周期,分类准确率,像素级,复原,运算量,同时提取,细节特征,缺陷分类,分类识别,泛化能力
AB值:
0.283513
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。