摘要
本发明涉及一种参考光伏组件缺陷分割方法,具体如下:首先,从已有的多模态光伏缺陷数据集中加载电致发光图像及期望检测缺陷的自然语言描述,通过预训练的图像模型与语言模型分别提取图像特征与文本特征。然后,设计多模态融合模块,将图像和文本特征有效结合,形成统一的融合特征表示。此外,设计多粒度感知分组模块,以处理不同粒度的缺陷分割需求,识别与文本相符的单个、多个以及无目标缺陷。通过文本指导的解码器从上述提取的图文特征、融合特征与感知分组特征中解码出目标掩码,从而根据输入的参考文本精确分割出光伏组件电池图像中的指定缺陷。与传统光伏缺陷分割任务,统一对图中所有光伏缺陷进行分割不同,本发明可以根据光伏电站的实际运维需求,对期望检测的缺陷进行个性化的检测,以支持光伏电站的进一步的运维决策。可以使实际光伏电站的运维工作得到个性化和高效率的显著提升。
技术关键词
光伏组件缺陷
分割方法
融合特征
光伏组件电池
文本编码器
图像编码器
交叉注意力机制
光伏电站
深度学习模型
多层感知机
检测缺陷
解码器
自然语言
生成多尺度
金字塔
通用特征
系统为您推荐了相关专利信息
运动意图
机器人控制方法
关键字
电信号
脑电特征
风险预测方法
超声影像数据
疾病风险预测模型
融合特征
深度神经网络
文本特征向量
条码识别方法
图像特征向量
计算机程序产品
文本编码器
茶叶烘干设备
动态控制方法
深度强化学习
控制单元
神经网络结构