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！

龙图腾网获悉长沙理工大学申请的专利一种基于生成式对抗网络的太阳能网版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：CN115409823B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211083396.1，技术领域涉及：G06T7/00；该发明授权一种基于生成式对抗网络的太阳能网版缺陷检测方法是由唐昆;彭琳和;潘淼;李佳旺;蔡文浩;朱勇建;张明军;毛聪;胡永乐设计研发完成，并于2022-09-06向国家知识产权局提交的专利申请。

本一种基于生成式对抗网络的太阳能网版缺陷检测方法在说明书摘要公布了：本发明公开了一种基于生成式对抗网络的太阳能网版缺陷检测方法，该方法将合格图像作为无缺陷数据集，真实缺陷样本作为测试集，通过合格图像随机生成人造缺陷图像以扩充缺陷样本，并将人造缺陷图像作为实际训练图像传入生成器中；生成器产生重建图像且与无缺陷样本一同传入判别器进行训练，生成器与判别器相互对抗，训练后的判别器将对待测图像进行缺陷识别，生成器生成重建图像与待测图像对比灰度差并进行缺陷定位，从而实现对太阳能网版缺陷的检测。本发明提出的检测方法，有效解决了真实缺陷样本数量不足与人工标签标注耗时长的问题，提升了模型对未知缺陷类型的泛化能力，从而提高了缺陷的检测效率与准确率，降低了漏检率。

本发明授权一种基于生成式对抗网络的太阳能网版缺陷检测方法在权利要求书中公布了：1.一种基于生成式对抗网络的太阳能网版缺陷检测方法，其特征在于：所述方法包括如下步骤： 步骤1、采集太阳能网版灰度图像，每张图像的分辨率设置为固定值； 步骤2、对步骤1中的图像进行筛选，选出合格的网版图像进行图像预处理，消除噪声干扰，将处理后的合格图像x作为无缺陷数据集，真实缺陷图像作为测试集； 步骤3、对合格图像x添加人造随机缺陷并扩充数据量，合格图像x经过人造缺陷模块M自动生成多张带有随机缺陷的人造缺陷图像x～，且随机缺陷的数目为4； 在步骤3中，所述人造缺陷模块M生成人造缺陷图像x～的具体流程为： 步骤3.1、随机生成四组剪切框，剪切框的长宽分别随机取值且每组剪切框的长宽取值范围不完全相同； 步骤3.2、每组剪切框从合格图像x中的随机位置进行剪切，经过随机比例的放缩后粘贴至合格图像x的任意位置，从而产生人造缺陷图像x～； 步骤3.3、对于每张合格图像x可重复多次步骤3.1、步骤3.2，产生多张人造缺陷图像x～，从而扩充训练样本的数据量； 步骤4、将步骤3中生成的人造缺陷图像x～作为实际训练图像，并构建实际训练数据集；将实际训练数据集中的人造缺陷图像x～输入GAN网络模型的生成器G，对其进行训练，对比合格图像x与生成器G的输出结果；采用合格图像x与生成器G产生的重建图像X训练判别器，通过生成器G与判别器D的相互对抗，将人造缺陷图像x～还原为高度近似合格图像x的重建图像X，且使判别器D具备识别有缺陷与无缺陷图像的能力； GAN网络模型的生成器G网络结构基于U-Net网络模型结构，包括1个编码路径、多个残差模块、1个解码路径；其中，编码路径由6个卷积层与5个下采样层组成，每个残差模块包含2个卷积层，解码路径由6个反卷积层与5个上采样层组成；GAN网络模型的判别器D网络结构由6个卷积层与5个下采样层组成； 生成器G的输出层采用Tanh激活函数；除输出层外，生成器G编码-解码路径中的每一层卷积层与反卷积层采用Batchnorm归一化处理和Mish非线性激活函数，残差模块的卷积层采用Batchnorm归一化处理和LeakReLU非线性激活函数； 判别器D的输出层采用Sigmoid激活函数；除输出层外，判别器D各卷积层采用Batchnorm归一化处理和Mish非线性激活函数； 步骤5、进行网版缺陷的识别与定位。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。