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！

申请/专利权人：太原科技大学

摘要：本发明涉及2D模板的缺陷检测领域，无人机航拍目标在整张图像中比例小检测难度大，DINO模型参数量大且计算复杂，检测实时性差，本发明提供一种基于改进DINO的红外光伏板缺陷检测方法，在提高网络模型的前提下，压缩网络模型的主干网络的架构，简化网络模型的大小，实现轻量化网络模型，提高网络模型的推理速度，降低网络模型的计算复杂度，对航拍图像实现快速、准确的目标检测，能够实现对光伏板红外图像目标的快速、准确检测，对于DINO模型应用到对无人机航拍图像进行目标检测的领域具有重要意义。

主权项：1.一种基于改进DINO的红外光伏板缺陷检测方法，其特征在于：在提高DINO网络模型的前提下，压缩DINO网络模型的主干网络的架构，实现轻量化DINO网络模型的目的，对航拍图像实现快速、准确的目标检测，具体包括以下步骤：步骤1.使用红外相机航拍采集光伏电站的光伏板图像，采集的所有图像进行整理分析；随机选取80％图像数据作为训练集，其余20％图像数据作为验证集；步骤2.将步骤1所获取的图像进行预处理后，在DINO网络模型的主干网络部分利用知识蒸馏的方法压缩DINO网络模型得到改进DINO网络模型，将预处理后的图像输入到改进DINO网络模型的主干网络获取不同尺度的特征图；步骤3.剔除步骤2中7×7分辨率的特征图，将其他尺度的特征图输入到改进DINO网络模型中的特征增强网络和编码层，特征增强网络对不同尺度的光伏板特征图进行通道扩展和特征增强后获得新的不同尺度的二维张量数据，新的二维特征张量数据经过flatten函数展平为一维张量输入改进的编码层，变形注意力机制进行全局特征的提取和增强，同时卷积分支进行具备特征增强后得到融合不同尺度的一维特征张量数据；步骤4.步骤3获取的一维特征张量数据输入到改进的DINO网络模型的解码层，在解码层中可变形注意力和自注意力对一维特征张量进行解码融合，融合后输入到预测层部分，最终计算得到光伏板中各种缺陷目标的检测框和缺陷种类的类别；步骤5.步骤4获取的光伏板的检测框，将平均绝对误差L1LOSS结合WIOU损失函数作为目标回归框损失函数，利用平均精度、参数量、浮点计算数以及推理速度4个参数进行损失函数评价。

全文数据：

权利要求：

百度查询： 太原科技大学 一种基于改进DINO的红外光伏板缺陷检测方法