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！

龙图腾网获悉三峡大学申请的专利一种基于GELAN的太阳能电池板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：CN120147259B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510218828.2，技术领域涉及：G06T7/00；该发明授权一种基于GELAN的太阳能电池板缺陷检测方法是由陈洋设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种基于GELAN的太阳能电池板缺陷检测方法在说明书摘要公布了：一种基于GELAN的太阳能电池板缺陷检测方法，针对现有方法在多尺度缺陷检测和计算资源受限情况下的瓶颈，本发明通过改进的LiteScale‑GELAN模型提供了解决方案。该模型设计了轻量化复用卷积模块，结合深度可分离卷积和多尺度特征聚合机制，在显著降低计算量的同时优化了特征提取与融合性能。采用空间到深度转换策略提升了对小目标和多尺度缺陷的提取能力，并引入动态上采样机制，通过改进的采样点生成方法增强了小目标的检测精度和网络鲁棒性。此外，重构的检测头在保持高效检测能力的同时，降低了参数量和计算资源消耗。实验结果表明，LiteScale‑GELAN在PVEL‑AD数据集上的精度为89.1％，相较于GELAN模型提高了4.1％，且参数量和计算量分别降低了65％和59％。

本发明授权一种基于GELAN的太阳能电池板缺陷检测方法在权利要求书中公布了：1.一种基于GELAN的太阳能电池板缺陷检测方法，其特征在于，包括以下步骤： 步骤1：收集太阳能电池板的缺陷类型的样本图片，以此构建数据集，对缺陷类别较少的样本进行标注，以补充数据集，并生成更多训练样本，将数据集按照一定比例分配为训练集和测试集，分别用于模型训练与评估； 步骤2：对数据集进行初步数据处理； 步骤3：构建优化的LiteScale-GELAN网络； 步骤4：对优化后的LiteScale-GELAN网络进行训练，识别出太阳能电池板上的各种缺陷类型； 步骤5：通过训练好的模型，在测试集上进行检测评估，分析模型的性能； 步骤6：对模型进行调优，调整网络结构和训练参数； 通过以上步骤以检测太阳能电池板上的多种缺陷类型； 在步骤3中，所述优化后的LiteScale-GELAN网络通过多个创新模块提升了特征提取、融合与检测效率；首先，采用LiteRepLAN模块增强网络的特征提取与融合能力；其次，使用SpdConv替代传统卷积层；为了优化颈部网络，采用了Dysample上采样机制；最后，通过重构后的Enhanced_DDetect，降低多尺度缺陷检测中的计算开销； LiteRepLAN模块具体为： 输入原始特征图到第一层LiteRepCSP模块，该模块首先通过深度可分离卷积DSC对输入特征图进行初步处理，提取紧凑特征并减少通道冗余，输出特征图P1；接着，将特征图P1分为两路，分别送入两路RepBottleneck模块，每一路通过多个卷积层进行深度特征提取，其中上路分支通过多层堆叠的RepBottleneck模块进行特征提取，每层保持通道数不变，进一步捕捉更深层次的特征信息，输出特征图P2；下路分支通过1×1的深度可分离卷积保留原始特征信息，并通过逐点卷积进行通道融合，输出特征图P3；然后，将这两路特征图P2与P3通过Concat操作进行融合，得到一个更具多尺度信息的特征图P4；最后，输出特征图P4进入下一层深度可分离卷积进行细粒度特征处理，生成最终特征图P5；该模块通过结合RepBottleneck模块与深度可分离卷积，实现高效的特征提取与跨通道信息融合； 所述检测头模块为Enhanced_DDetect模块，该模块具体为： 输出的特征图P1被分割为两条路径，分别进入cv2和cv3分支进行更深入的特征提取；在cv2分支中，输入特征图经过两次深度可分离卷积，提取空间特征；接着，通过一个额外的卷积层进一步融合通道信息，从而生成特征图P2；与cv2分支不同，cv3分支在进行两次深度可分离卷积的基础上，加入了通道注意力机制；通道注意力机制通过自适应平均池化捕获每个通道的全局信息，利用两层1x1卷积和Sigmoid激活函数动态调整每个通道的响应，从而增强模型对关键通道特征的敏感度；这一机制有助于提高目标分类的准确性；处理后的特征图P3经进一步的1x1卷积细化，得到最终的特征图P4；最后，cv2和cv3两条分支的输出特征图P2和P4通过拼接操作合并，形成联合特征图P5；这个拼接操作确保了边界框和分类任务特征的有效融合，经过回归和分类的处理，生成目标检测的输出结果，包括边界框回归BBox和目标类别预测Cls。

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三峡大学，其通讯地址为：443002 湖北省宜昌市大学路8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。