[发明专利]太阳能光伏板隐裂检测方法、装置、电子设备及存储介质

权利要求书

1.一种太阳能光伏板隐裂检测方法，其特征在于，所述方法包括：

获取待检测的太阳能光伏板的目标图像；

将所述目标图像输入至图像检测模型中，所述图像检测模型通过自注意力机制和多层感知机所构建、并训练得到的；

获取所述图像检测模型针对所述目标图像所输出的隐裂检测结果。

2.根据权利要求1所述的方法，其特征在于，所述图像检测模型的训练过程，包括：

获取用于训练的太阳能光伏板的样本图像，所述样本图像具有隐裂标注结果；

从所述样本图像中获取本次训练的目标样本图像；

将所述目标样本图像进行分块处理，得到所述目标样本图像对应的多个图像块；使用所述自注意力机制对所述目标样本图像所对应多个图像块之间的全局关系进行建模，得到所述目标样本图像对应的多尺度特征；使用所述多层感知机对所述目标样本图像所对应多尺度特征进行通道线性变换、特征融合、以及特征分类，得到所述目标样本图像的隐裂预测结果；基于所述目标样本图像的隐裂标注结果和隐裂预测结果计算所述多层感知机本次训练的损失函数值；

如果本次训练的损失函数值不满足对应的训练结束条件，则调整所述多层感知机的参数，并返回执行所述从所述样本图像中获取本次训练用的目标样本图像，这一步骤；

如果本次训练的损失函数值满足对应的训练结束条件，则结束训练，将所述自注意力机制和本次训练后的多层感知机所构建的模型作为所述图像检测模型。

3.根据权利要求2所述的方法，其特征在于，所述从所述样本图像中获取本次训练的目标样本图像之前，所述图像检测模型的训练过程，还包括：

对所述样本图像进行预处理，所述预处理包括随机裁剪的数据增强、归一化、以及混淆数据增强中的一种或多种。

4.根据权利要求2所述的方法，其特征在于，所述使用所述自注意力机制对所述目标样本图像所对应多个图像块之间的全局关系进行建模，包括：

将所述样本图像划分为多个窗口，一个窗口与所述样本图像所对应多个图像块中的部分图像块相对应、且多个窗口中任意两个窗口之间不重叠；

针对所述多个窗口中的每个窗口，使用所述自注意力机制对该窗口对应的图像块之间的全局关系进行建模；

对所述多个窗口中不同窗口的建模结果进行交互。

5.根据权利要求2所述的方法，其特征在于，所述多层感知机中插入有激活函数，以引入非线性。

6.一种太阳能光伏板隐裂检测装置，其特征在于，所述装置包括：

目标图像获取模块，用于获取待检测的太阳能光伏板的目标图像；

隐裂检测模块，用于将所述目标图像输入至图像检测模型中，所述图像检测模型通过自注意力机制和多层感知机所构建、并训练得到的；获取所述图像检测模型针对所述目标图像所输出的隐裂检测结果。

7.根据权利要求6所述的装置，其特征在于，所述隐裂检测模块训练所述图像检测模型的过程，包括：

获取用于训练的太阳能光伏板的样本图像，所述样本图像具有隐裂标注结果；从所述样本图像中获取本次训练的目标样本图像；将所述目标样本图像进行分块处理，得到所述目标样本图像对应的多个图像块；使用所述自注意力机制对所述目标样本图像所对应多个图像块之间的全局关系进行建模，得到所述目标样本图像对应的多尺度特征；使用所述多层感知机对所述目标样本图像所对应多尺度特征进行通道线性变换、特征融合、以及特征分类，得到所述目标样本图像的隐裂预测结果；基于所述目标样本图像的隐裂标注结果和隐裂预测结果计算所述多层感知机本次训练的损失函数值；如果本次训练的损失函数值不满足对应的训练结束条件，则调整所述多层感知机的参数，并返回执行所述从所述样本图像中获取本次训练用的目标样本图像，这一步骤；如果本次训练的损失函数值满足对应的训练结束条件，则结束训练，将所述自注意力机制和本次训练后的多层感知机所构建的模型作为所述图像检测模型。