摘要
本发明公开了一种基于特征融合补偿网络的光伏板故障检测方法、系统、终端及介质。本方法将网络中原有的单主干换为双主干,分别提取光伏板可见光与红外图像的特征。利用特征信息补偿融合网络对双流主干中提取出的光伏板特征信息进行有效的融合,并且利用FICFN的特性对颈部融合网络进行信息补偿。算法还包括改进的方法,如特征信息补偿融合网络、辅助头和边缘损失增强。上述改进使得网络能够更准确地识别与定位光伏板出现的故障。本发明采用双光谱图像深度学习算法进行光伏图片进行缺陷检测,相比传统的基于传感器检测手段以及单光图像处理算法的准确率要更高,采用针对性优化的深度学习网络算法,增强对光伏故障缺陷的检测精度。
技术关键词
光伏板故障检测
深度学习网络算法
层级
局部注意力机制
Sigmoid函数
标签
图像深度学习
图像处理算法
特征提取模块
样本
终端
介质
批量
分配器
策略
可见光
系统为您推荐了相关专利信息
图像分割模型
掩膜
X射线图像设备
图像分割方法
样本
自动布局系统
集成电路器件
半导体
集成电路设计
生成集成电路
三维医学影像
模型构建方法
分支
并行处理架构
血管