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！

龙图腾网获悉安徽大学申请的专利一种无人机红外光伏板缺陷检测模型的构建方法、设备及介质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：CN120147908B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202510313576.1，技术领域涉及：G06V20/17；该发明授权一种无人机红外光伏板缺陷检测模型的构建方法、设备及介质是由张文强;李加树;张啸宇;王辉;穆朝絮设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本一种无人机红外光伏板缺陷检测模型的构建方法、设备及介质在说明书摘要公布了：本发明公开一种无人机红外光伏板缺陷检测模型的构建方法、设备及介质；构建方法具体包括如下步骤：通过无人机巡检系统采集光伏板原始红外图像；对原始红外图像进行去噪和锐化，增强缺陷的边缘细节，并用离线增强技术增加图像数量；构建I‑TOAA模块，实现对目标形状和边缘的重建；引入ATFL损失函数，动态调整损失权值，令模型注意力集中在难检测的目标上；将I‑TOAA和ATFL引入YOLOv11，构建红外光伏板缺陷检测模型；训练好后部署到无人机巡检系统上，实现对光伏板缺陷的实时检测。本发明所构建的缺陷检测模型，不仅显著提升检测精度，还减少计算资源消耗，同时具备更低的硬件适配门槛。

本发明授权一种无人机红外光伏板缺陷检测模型的构建方法、设备及介质在权利要求书中公布了：1.一种无人机红外光伏板缺陷检测模型的构建方法，其特征在于，具体包括如下步骤： S1、通过无人机巡检系统采集光伏板的原始红外图像，所述无人机巡检系统包括无人机、及搭载在无人机上的红外热成像摄像头和AI计算机； S2、进行预处理；通过AI计算机对原始红外图像进行去噪和锐化，对不同缺陷的边缘细节进行增强，并采用离线增强技术增加图像数量；预处理后的图像通过通信技术传输并存储在地面站； S3、构建改进的双向注意力聚合模块I-TOAA，并将其引入Yolov11基础模型，对Yolov11中用于特征融合的颈部网络进行重构，以实现对目标形状和边缘的重建；步骤S3具体包括： S31、构建I-TOAA模块并引入YOLOv11模型的颈部网络，替换掉原结构中的Concat模块，以来自浅层网络的低级特征和来自深层网络的高级特征为输入；低级特征和高级特征输入后先依次经过一个CBS模块，然后再分别从行方向和列方向用低级特征对高级特征进行调制，得到行方向高级调制特征和列方向高级调制特征；公式表示为： ； ； 其中，和分别为低级特征和高级特征，、分别为行方向的高级调制特征和列方向的高级调制特征；表示CBS模块，表示瓶颈结构；表示行方向的1×k普通卷积，表示列方向的k×1普通卷积； S32、同时在基础TOAA模块中的瓶颈结构后再引入像素注意力机制，低级特征依次经过CBS模块、瓶颈结构后再通过像素注意力机制，得到低级调制特征，公式表达为： ； 其中，表示CBS模块、表示瓶颈结构；表示sigmoid函数；表示1×1卷积；表示批标准化BN，表示线性整流函数ReLU； S33、将低级调制特征分别与两个方向的高级调制特征结合，得到行方向注意力特征和列方向注意力特征，再汇总得到双向注意力聚合特征，也即构建出的I-TOAA模块的输出；公式表示为： ； 其中，为双向注意力聚合特征；为行方向调制特征，为列方向调制特征；和分别为低级特征和高级特征，为I-TOAA模块的映射函数；、用公式分别表示为： ； ； S34、I-TOAA模块的输出在C3k2模块中进行进一步的特征提取，生成新的融合特征，最后融合后的多尺度特征会被送至检测头进行检测任务； S4、再引入自适应阈值焦距损失函数ATFL，动态调整损失权值，令模型注意力集中在难以检测的目标上； S5、通过将I-TOAA和ATFL引入到Yolov11基础模型中，得到红外光伏板缺陷检测模型TA-Yolov11；通过地面站对TA-Yolov11进行训练，训练好后部署到AI计算机上，基于预处理后的图像，实现对光伏板缺陷的实时检测。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。