买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河北工业大学申请的专利基于显著性特征分级蒸馏的光伏电池类增量缺陷检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116630285B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310629870.4，技术领域涉及：G06T7/00；该发明授权基于显著性特征分级蒸馏的光伏电池类增量缺陷检测方法是由陈海永;吴文箫;李佳奇;王世杰设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本基于显著性特征分级蒸馏的光伏电池类增量缺陷检测方法在说明书摘要公布了：本发明为基于显著性特征分级蒸馏的光伏电池类增量缺陷检测方法，包括：建立光伏电池旧类别缺陷数据集；构建缺陷检测模型并训练，将训练后的缺陷检测模型作为原缺陷检测模型；建立光伏电池新类别缺陷数据集；将原缺陷检测模型作为教师模型，学生模型与教师模型的架构相同，学生模型的输出维度为缺陷新类别和旧类别的数量之和，对教师模型和学生模型进行显著性特征分级蒸馏，将光伏电池新类别缺陷数据集同时输入到教师模型和初始化后的学生模型中，基于知识蒸馏对学生模型进行增量训练，利用最小化上述的损失训练学生模型；将训练后的学生模型作为最终的缺陷检测模型，用于光伏电池的缺陷检测。满足质检对检测模型快速更新迭代、快速部署的需求。

本发明授权基于显著性特征分级蒸馏的光伏电池类增量缺陷检测方法在权利要求书中公布了：1.一种基于显著性特征分级蒸馏的光伏电池类增量缺陷检测方法，其特征在于，该方法包括如下步骤：第一步：建立光伏电池旧类别缺陷数据集；第二步：构建缺陷检测模型，利用光伏电池旧类别缺陷数据集对缺陷检测模型进行训练，将训练后的缺陷检测模型作为原缺陷检测模型；第三步：建立光伏电池新类别缺陷数据集；第四步：将原缺陷检测模型作为教师模型，学生模型与教师模型的架构相同，学生模型的输出维度为缺陷新类别和旧类别的数量之和，利用教师模型的参数对学生模型进行初始化；对教师模型和学生模型进行显著性特征分级蒸馏，所述显著性特征分级蒸馏的过程是：提取Q组教师模型和学生模型的特征，每组特征为教师模型和学生模型特征提取部分和特征融合部分相同位置的关键层，获取教师模型和学生模型对应的关键层输出的特征图，对特征图进行空间注意力掩码和通道注意力掩码计算，并获得教师模型检测结果的分离前景和背景特征的二值掩码；对于任一组教师模型和学生模型的特征与计算特征蒸馏损失和注意力蒸馏损失其中， 其中，M为分离前景和背景特征的二值掩码，和分别为第q组特征教师模型的空间注意力掩码和通道注意力掩码，每组特征与经过零均值化处理，表示为与α和β为平衡前景和背景特征蒸馏损失的超参数，α+β＝1；C、H、W分别为该组特征的通道数、高度和宽度；总体的显著性特征分级蒸馏损失Ldis为每组特征间的特征蒸馏损失与注意力蒸馏损失之和，表示为： 将光伏电池新类别缺陷数据集同时输入到教师模型和初始化后的学生模型中，基于知识蒸馏对学生模型进行增量训练，增量训练的损失函数为：L＝Ldis+Ldet4其中，L表示学生模型的总损失，Ldet表示学生模型学习新类别产生的检测损失，Ldis表示总体的显著性特征分级蒸馏产生的损失；利用最小化上述的损失训练学生模型；第五步：将训练后的学生模型作为最终的缺陷检测模型，用于光伏电池的缺陷检测；当需要检测的缺陷类别增加时，重复执行步骤三和四，对学生模型进行重新训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。