[发明专利]一种基于对抗式生成网络的太阳能电池缺陷检测方法

说明书

本发明提供了一种基于对抗式生成网络的太阳能电池缺陷检测方法，包括以下步骤：步骤S1、获取太阳能电池板图像数据，并根据图像是否有缺陷划分为源域和目标域；步骤S2、对图像数据进行数据增强；步骤S3、形成对抗式生成网络；步骤S4、输入源域中的图像，对对抗式生成网络进行对抗训练，并生成与输入图像除缺陷外都相同的无缺陷图像；步骤S5、对比输入图像与生成的与输入图像除缺陷外都相同的无缺陷图像，进行缺陷定位。本申请利用缺陷样本图像引导网络模型训练，生成新的修复样本图像，尽可能与缺陷样本图像相似，通过对比原始图像与修复图像的特征差异，实现太阳能电池缺陷位置定位。

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种基于对抗式生成网络的太阳能电池缺陷检测方法。

背景技术

太阳能电池片作为把光伏能转化成电能的主要媒介，其质量对光电转换的效率、电池片的使用寿命和工业安全有巨大的影响；在生产过程中，太阳能电池片受工艺和环境的影响，不可避免会产生各样缺陷(如黑斑、断栅、划痕、破裂等)，因此对电池片缺陷进行精确的检测在生产中显得尤其重要。

在传统的生产线上，缺陷主要依靠人工发现甄别的，不仅消耗庞大的人工物力，并且在对电池片进行分检时存在大量的检测问题，因其各种主观因素会造成缺陷误检或漏检，难以达到预期效果；因此缺陷检测算法对于太阳能电池片缺陷的检测具有很强的现实意义。

另外由于在实际的生产线中场景复杂不一，而目前的缺陷检测方法需要训练规模巨大的深度神经网络，需要特定不同缺陷的数据集并且要消耗人工做大量的数据标注；而且这种缺陷检测方法往往容易受环境和光照亮度的影响，鲁棒性不强。

发明内容

针对上述技术问题，本发明的一个方式的目的之一是提供一种基于对抗式生成网络的太阳能电池缺陷检测方法，利用缺陷样本图像引导网络模型训练，生成新的修复样本图像，尽可能与缺陷样本图像相似，通过对比原始图像与修复图像的特征差异，实现太阳能电池缺陷位置定位，解决了生成网络目标性不足的问题，得到更加真实精确的目标图像，可实现多个数据源域到目标域之间的转换，以供不同需求。

注意，这些目的的记载并不妨碍其他目的的存在。本发明的一个方式并不需要实现所有上述目的。可以从说明书、附图、权利要求书的记载中抽取上述目的以外的目的。

本发明是通过以下技术手段实现上述技术目的的。

一种基于对抗式生成网络的太阳能电池缺陷检测方法，包括以下步骤：

步骤S1、源域和目标域的划分：获取太阳能电池板图像数据，并根据图像是否有缺陷划分为源域和目标域；

步骤S2、图像数据的数据增强：对所述步骤S1中获取的图像数据进行数据增强；

步骤S3、对抗式生成网络的设计：对抗式生成网络的设计包括生成网络和鉴别网络的设计；

步骤S4、对抗训练：输入源域中的缺陷样本图像，对步骤S3中设计的对抗式生成网络进行对抗训练，并生成与原图像背景相同的无缺陷样本图像；

步骤S5、缺陷定位：对比输入图像与生成的原图像背景相同的无缺陷样本图像，进行缺陷定位。

上述方案中，所述步骤S1中，划分源域和目标域的具体步骤为：

获取多张太阳能电池板图像，根据太阳能电池板图像上是否有黑斑、条形光栅、划痕和破裂情况，将缺陷种类定义为黑斑缺陷、断栅缺陷、划痕缺陷和破裂缺陷，划分多个源域和一个目标域，源域包括单个缺陷的太阳能电池板图像构成的源域和混合缺陷的太阳能电池板图像构成的源域，目标域为无缺陷样本图像构成。

上述方案中，所述步骤S2中数据增强的具体步骤为：

S2.1、图像随机翻转：以50％的概率对每一张太阳能电池图像进行水平或者竖直翻转；