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！

龙图腾网获悉中国建筑第六工程局有限公司;中建六局交通建设有限公司申请的专利基于深度学习的光伏组件EL图像智能缺陷识别方法及系统、存储介质、电子终端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：CN121147231B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511705517.5，技术领域涉及：G06T7/00；该发明授权基于深度学习的光伏组件EL图像智能缺陷识别方法及系统、存储介质、电子终端是由张春禹;崔慧超;张彦栋;贾建伟;吕雄;谢波;任力;陈珂强;魏家富;张智元;刘江波;曹皓楠;刘阳设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本基于深度学习的光伏组件EL图像智能缺陷识别方法及系统、存储介质、电子终端在说明书摘要公布了：本发明公开了一种基于深度学习的光伏组件EL图像智能缺陷识别方法及系统、存储介质、电子终端。其中，缺陷识别方法，包括如下步骤：对采集的光伏组件EL图像进行切割，得到电池片图像；对所述电池片图像进行缺陷类型标注，得到标注有缺陷类型的缺陷图像；对所述缺陷图像进行数据增强，得到增强处理后的图像集；利用所述数据增强处理后的图像集，对基于多元多尺度的改进Transformer与YOLOv5的异构融合模型进行训练，得到训练后的模型；利用训练后的模型进行缺陷识别。本发明实现了零参数开销的细粒度特征增强和复杂背景下的长程依赖建模并显著提升小目标缺陷的细节感知能力，实现了识别精度显著提升。

本发明授权基于深度学习的光伏组件EL图像智能缺陷识别方法及系统、存储介质、电子终端在权利要求书中公布了：1.一种基于深度学习的光伏组件EL图像智能缺陷识别方法，其特征在于，包括如下步骤： 步骤S1：对采集的光伏组件EL图像进行切割，得到电池片图像； 步骤S2：对所述电池片图像进行缺陷类型标注，得到标注有缺陷类型的缺 陷图像，所述缺陷类型包括同心圆、黑边以及隐裂、断栅、黑芯黑斑、缺角； 步骤S3：对所述缺陷图像进行数据增强，得到增强处理后的图像集； 步骤S4：利用所述数据增强处理后的图像集，对基于多元多尺度的改进Transformer与YOLOv5的异构融合模型进行训练，得到训练后的模型； 其中，所述基于多元多尺度的改进Transformer与YOLOv5的异构融合模型，包括：用于特征提取的骨干网络Backbone、用于多尺度特征融合的颈部网络Neck、用于缺陷预测的头部网络Head；所述骨干网络Backbone包括多个无参注意力模块和多个光谱非局部块、1个注意力金字塔模块；所述颈部网络Neck采用全维动态卷积结构； 步骤S5：利用训练后的模型进行缺陷识别； 所述基于多元多尺度的改进Transformer与YOLOv5的异构融合模型，具体包括如下：用于特征提取的骨干网络Backbone、用于多尺度特征融合的颈部网络Neck、用于缺陷预测的头部网络Head； 所述骨干网络Backbone包括依次连接的用于对输入的增强处理后的图像集中的图像进行分割，最终形成一维向量的1个PatchPartition模块、用于根据一维向量形成初始的Token序列的1个LinearEmbedding层、用于根据Token序列形成第一特征图的1个特征提取模块组、用于根据第一特征图进行2倍下采样的1个PatchMerging层以及用于形成的第二特征图的1个特征提取模块组、用于根据第二特征图进行2倍下采样的1个PatchMerging层、用于形成的第三特征图的1个特征提取模块组、用于根据第三特征图进行2倍下采样的1个PatchMerging层、用于深度提炼特征、输出第四特征图的1个IdentityFormer层、用于根据第四特征图构建全局注意力特征、输出第五特征图的1个注意力金字塔模块；所有的特征提取模块组均分别包括自上而下依次连接的2个SwinBlock、1个无参注意力模块和1个光谱非局部块； 所述颈部网络Neck包括1条自底向上的路径和1条自顶向下的路径；其中，1条自底向上的路径包括依次连接的第一前特征融合模块组、第二前特征融合模块组、第三前特征融合模块组以及第四前特征融合模块组，所述第一前特征融合模块组、第二前特征融合模块组、第三前特征融合模块组、第四前特征融合模块组均分别包括自底向上依次连接的1个buttleneckCSP、1个ODConv、1个上采样以及1个Concat；其中，骨干网络Backbone生成的第一特征图输入第四前特征融合模块组的Concat；骨干网络Backbone生成的第二特征图输入第三前特征融合模块组的Concat；骨干网络Backbone生成的第三特征图输入第二前特征融合模块组的Concat；骨干网络Backbone生成的第四特征图和第五特征图输入第一前特征融合模块组的Concat和buttleneckCSP；其中，所述1条自顶向下的路径包括依次连接的第一后特征融合模块组、第二后特征融合模块组、第三后特征融合模块组以及1个buttleneckCSP，所述第一后特征融合模块组、第二后特征融合模块组、第三后特征融合模块组均分别包括自顶向下依次连接的1个buttleneckCSP、1个ODConv以及1个Concat；第四前特征融合模块组的Concat输出的特征图输入第一后特征融合模块组的buttleneckCSP，第四前特征融合模块组的ODConv输出的特征图输入第一后特征融合模块组的Concat，第三前特征融合模块组的ODConv输出的特征图输入第二后特征融合模块组的Concat，第二前特征融合模块组的ODConv输出的特征图输入第三后特征融合模块组的Concat，第三后特征融合模块组输出的特征图输入与其连接的buttleneckCSP； 所述头部网络Head包括4个并行的YOLOHead，第一后特征融合模块组、第二后特征融合模块组、第三后特征融合模块组的buttleneckCSP以及与第三后特征融合模块组连接的buttleneckCSP分别通过1个Conv与对应的YOLOHead连接。

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中国建筑第六工程局有限公司;中建六局交通建设有限公司，其通讯地址为：300451 天津市滨海新区杭州道街杭州道72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。