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！

龙图腾网获悉南昌航空大学申请的专利基于不平衡样本的光伏组件图像缺陷识别方法及系统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：CN120580229B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511072871.9，技术领域涉及：G06T7/00；该发明授权基于不平衡样本的光伏组件图像缺陷识别方法及系统是由李琼;饶慧晴;陈龙;舒佳跃;徐紫薇;徐璞设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本基于不平衡样本的光伏组件图像缺陷识别方法及系统在说明书摘要公布了：本发明公开了一种基于不平衡样本的光伏组件图像缺陷识别方法及系统，方法包括：将第一数据集输入至改进的DCGAN模型中，DCGAN模型输出得到各个缺陷图像样本，并根据预设的图像质量评价策略对各个缺陷图像样本进行分析，得到符合预设条件的至少一个目标缺陷图像样本；将至少一个目标缺陷图像样本和至少一个光伏组件图像进行打包得到第二数据集，并将第二数据集输入至预设的YOLOv8模型中进行迭代训练，得到光伏组件图像缺陷识别模型；将获取的实时光伏组件图像输入至光伏组件图像缺陷识别模型中，输出得到与实时光伏组件图像相对应的缺陷识别结果。

本发明授权基于不平衡样本的光伏组件图像缺陷识别方法及系统在权利要求书中公布了：1.一种基于不平衡样本的光伏组件图像缺陷识别方法，其特征在于，包括： 获取至少一个光伏组件图像，对所述至少一个光伏组件图像进行预处理，得到相同尺寸的各个光伏组件目标图像，并将所述各个光伏组件目标图像打包为第一数据集； 将所述第一数据集输入至改进的DCGAN模型中，所述DCGAN模型输出得到各个缺陷图像样本，并根据预设的图像质量评价策略对所述各个缺陷图像样本进行分析，得到符合预设条件的至少一个目标缺陷图像样本，其中，所述改进的DCGAN模型中包含生成器和判别器，所述生成器中具体包括以下步骤： 随机噪声作为生成器的初始输入，随机噪声首先进入全连接层，将噪声向量映射到一个特征空间； 全连接层的输出进入AdaIN层，注入缺陷类别标签，调整高维特征的分布，表达式为： ， 式中，为AdaIN层的输出，为全连接层的输出，为类别标签，为特征的均值，为特征的标准差； AdaIN层的输出经过reshape操作，将特征向量重塑为适合后续卷积操作的张量形状； 进入批量归一化层，对数据进行归一化处理； 批量归一化层的输出依次经由ReLU激活函数层、第一残差块、第二残差块、第一自注意力层、第三残差块、第二自注意力层以及第四残差块； 第四残差块的输出进入转置卷积层，将特征图上采样，并且转置卷积层的输出通过Tanh激活函数层，将像素值映射到[-1，1]范围内，生成最终的图像数据； 所述判别器中具体包括以下步骤： 图像数据进入判别器，经过卷积层，对图像数据进行特征提取； 卷积层的输出依次经由LeakyReLU激活函数层、第五残差块、第六残差块、第一自注意力层、第七残差块、第二自注意力层以及第八残差块； 第八残差块的输出经过Flatten层，将多维特征图展平为一维向量； 展平后的一维向量进入全连接层，输出一个标量值，表示判别器对输入图像为真实图像的置信度； 将所述至少一个目标缺陷图像样本和所述至少一个光伏组件图像进行打包得到第二数据集，并将所述第二数据集输入至预设的YOLOv8模型中进行迭代训练，得到光伏组件图像缺陷识别模型； 将获取的实时光伏组件图像输入至所述光伏组件图像缺陷识别模型中，所述光伏组件图像缺陷识别模型输出得到与所述实时光伏组件图像相对应的缺陷识别结果。

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南昌航空大学，其通讯地址为：330000 江西省南昌市丰和南大道696号；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。