[发明专利]光伏电池分拣的深度学习识别与控制方法及装置

摘要

本发明提供的光伏电池视觉分拣的深度学习识别与控制方法，将基于深度学习的缺陷分类和检测方法与工业制造过程一体化，具有较高的智能性。本装置用深度学习来代替传统学习方法，具有较强的特征提取能力，尤其对于当背景干扰严重，传统方法难以识别出缺陷时。此外深度学习识别与控制装置能自动进行缺陷特征提取，提高处理速度，降低人工依赖性。

主权项

1.一种光伏电池视觉分拣的深度学习识别与控制方法，其特征在于，该方法包括：以下步骤：/nS1：图像采集/nS1-1采集图像/nS1-2判定采集到的图像是否超过500张，如果超过继续下面步骤，如果没超过，则再次进入到S1-1步骤中；/nS1-3停止采集图像，将采集到的图像保存至相应的缺陷文件夹，按训练集与验证集进行人工分选与标签制作；/nS2：深度学校训练/nS2-1加载预训练模型；/nS2-2对Faster R-CNN模型参数进行初始化，初始化参数内容包括所有的权重值、偏置值、批量归一化尺度因子值，设置网络的初始学习率；/nS2-3将所述步骤S1-3得到的训练集和验证集根据其标签内容输入到S2-2初始化的模型中进行训练，得到表面缺陷深度学习模型；/nS3：深度学习执行/nS3-1实时采集测试图像；/nS3-2调用所述步骤S2-3得到的表面缺陷深度学习模型，对所述步骤S3-1的图片进行测试；/nS3-3得到实时检测结果：包括缺陷类别以及定位缺陷的精确位置及其置信度；/nS4：机器人分拣/nS4-1将所述步骤S3-3得到的实时检测结果反馈给机器人，由机器人执行分拣。/n