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！

龙图腾网获悉东北电力大学;国网吉林省电力有限公司通化供电公司申请的专利基于拟态视觉的光伏电池缺陷检测仿生模型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：CN117115538B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202311090865.7，技术领域涉及：G06V10/764；该发明授权基于拟态视觉的光伏电池缺陷检测仿生模型是由曲朝阳;臧积业;曲楠;梁良;董运昌;宋思琦;姜涛;李敏;梁丰;赵裴钰;刘学;乔雪婧;徐策;佟彦磊设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本基于拟态视觉的光伏电池缺陷检测仿生模型在说明书摘要公布了：本发明涉及光伏电池技术领域，即基于拟态视觉的光伏电池缺陷检测仿生模型。它包含三个部分：1骨干网络：骨干网络用于提取图像中的有效信息，将原始数据映射至所需的空间中，骨干网络所提取的特征会传递到颈部网络中；2颈部网络：颈部网络用于融合不同尺度、层级的特征，并丰富特征的表达能力，颈部网络融合的特征会传递到检测头部；3检测头：检测头主要负责对特征进行预测，生成边界框和并预测类别。基于人类感受野及视觉机制的骨干网络对于特征具备更强的抽象能力，能够在色彩单一、纹理复杂的光伏电池电致发光图像上高效的提取有效的特征。所提出的颈部网络，能够有效的增强光伏电池电致发光图像中缺陷特性的表达能力。

本发明授权基于拟态视觉的光伏电池缺陷检测仿生模型在权利要求书中公布了：1.基于拟态视觉的光伏电池缺陷检测仿生模型，其特征在于包含三个部分： 1骨干网络：骨干网络用于提取图像中的有效信息，将原始数据映射至所需的空间中，骨干网络所提取的特征会传递到颈部网络中； 2颈部网络：颈部网络用于融合不同尺度、层级的特征，并丰富特征的表达能力，颈部网络融合的特征会传递到检测头部； 3检测头：检测头负责对特征进行预测，生成边界框和并预测类别；检测头Head部分引入了分离式检测头，参考人类大脑的分区机制，欲以通过不同的分支去使检测头部关注不同的内容；三个检测头分别处理颈部输出的不同尺度特征，输出最终结果；具体的做法如下：对于颈部所输出的特征，在三个分支中采用两次卷积映射，其中最终的卷积核为1的卷积用于压缩通道数，起到代替全连接层的作用，分别将通道压缩为[num,1,4],其中通道数为n的分支输出类别，n为类别个数；输出通道为1的分支输出IoU阈值，输出通道数为4的分支输出目标检测框的位置与大小[x,y,h,w]； 表示为： 模型的处理流程是： 首先将待检测光伏电池的待检测图片输入骨干网络中，提取图像中的缺陷特征； 随后，骨干网络所提取的不同尺度特征将送入模型的颈部网络；颈部网络在自下而上的路径中，通过位置信息传递模块将底层特征中精确的位置信号传递给顶层，在自上而下的路径中，通过语义信息传递模块将顶层丰富的语义信息传递给底层；骨干网络由仿生特征提取模块和拟态觉注意力机制模块堆叠而成，分为四个阶段；仿生特征提取模块由空间聚合特征提取模块SA-Block以及自校准卷积模块SC-Conv组成；拟态视觉注意力机制模块内部包含两个子模块：深度挖掘注意力模块与拟态视觉模块；在每个阶段内，图像首先会被输出进仿生特征提取模块中，模块内会通过卷积对图片进行降采样，尺度比例系数分别为[14,18,116,132],并将三通道RGB图像的通道数扩充至[64,128,256,512]以增大信息容量；接着，使用模仿生物视觉的空间聚合特征提取模块SA-Block提取特征；最后，采用自校准卷积模块SC-Conv聚合跨通道的目标特征信息；在最后两个阶段里，添加拟态视觉注意力模块，用于捕捉丰富的动态上下文，并模仿人类独有的周边视觉机制； 最后，将融合后的特征进行自适应的加权融合，并将其输入分离式检测头中，检测头通过上述信息进行计算，得出缺陷的位置、类别信息。

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东北电力大学;国网吉林省电力有限公司通化供电公司，其通讯地址为：132000 吉林省吉林市长春路169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。