[发明专利]一种基于深度两阶段的多晶隐裂检测方法

权利要求书

1.一种基于深度两阶段的多晶隐裂检测方法，其特征在于，包括以下步骤：

步骤一、对光伏板多晶隐裂EL图像数据的预处理及增广：采用Haar小波提取图像的低频特征，舍弃高频特征；再使用双线性插值的方法将图像还原至原始大小，并对图像进行分来，制作训练集与测试集；

步骤二、针对隐裂图像设计了新的感兴趣区域筛选方法；首先利用选择性搜索算法提取出所有可能的感兴趣区域，并过滤掉周长过大或过小的区域；其次，利用Canny算法得到目标的边缘信息，阈值固定为为150；边缘信息被定义为有效信息。筛选出有效信息比例大于25％或有效面积超过40％的区域；

有效信息比例计算方法如下所示，其中第k个ROI的有效信息比例大于25％，是第k个ROI的边缘信息数量.N_edge是一张图上的所有边缘信息总数：

有效面积计算方法如下所示，其中和第k个ROI的宽度和高度，边缘是由像素组成的，所以一个ROI中边缘像素的数量等于面积：

将感兴趣区域根据优先级规则排列，归一化到5个，若感兴趣区域的数量大于5，则选取前5个；若感兴趣区域的数量小于5，则按照优先级顺序依次补充，优先级规则如下：(21)感兴趣区域的面积大于40个像素；(22)当感兴趣区域中的均值像素小于整幅图像的均值像素时，按面积和灰度降序排列。如果面积相同，则优先选择灰度值更高的感兴趣区域；(23)感兴趣区域的像素均值高于原图像素均值；

步骤三、基于Fast R-CNN算法的神经网络设计：将原始图像和感兴趣区域分别送入卷积层和池化层，分别得到15和20张特征图进行拼接，拼接后送入三层全连接神经网络进行训练，其训练过程为：(31)网络参数设为默认值，计算出分类结果；(32)将分类结果和实际标签进行对比，利用交叉验证函数降低参数误差，重新计算；(33)重复上述步骤，直到训练精度达到要求，训练停止。

2.根据权利要求1所述的一种基于深度两阶段的多晶隐裂检测方法，其特征在于：在步骤一中，对光伏板多晶隐裂EL图像数据的预处理及增广还包括对多晶光伏组件的EL图像按照光伏组件单元的边界进行分割，得到240*240的图像，根据灰度信息自动计算栅线位置，沿栅线裁剪图像，对得到的结果进行滑动窗口裁剪，最终得到40*40的图像；通过镜像、翻转、随机裁剪和中心裁剪，将负样本扩大了8倍。