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！

龙图腾网获悉河北工业大学申请的专利基于改进YOLOv7模型的光伏电池组件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：CN116363113B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202310368434.6，技术领域涉及：G06T7/00；该发明授权基于改进YOLOv7模型的光伏电池组件缺陷检测方法是由陈海永;李佳奇;宋梦园;吴文箫设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本基于改进YOLOv7模型的光伏电池组件缺陷检测方法在说明书摘要公布了：本发明为基于改进YOLOv7模型的光伏电池组件缺陷检测方法，该方法对YOLOv7模型的特征融合部分进行改进，特征提取和分类回归部分保持不变；在原始YOLOv7模型的特征融合部分嵌入全局通道与空间上下文信息模块，同时添加两条跨尺度融合支路，在浅层和深层特征进行融合时对每个输入的特征赋予一个可学习的权重，再将赋予权重的特征进行拼接，得到缺陷检测模型，并将训练后的缺陷检测模型用于光伏电池组件缺陷检测。从通道和空间维度捕捉全局上下文信息，建立各个通道之间以及各个像素之间的联系，从而突出微小微弱缺陷的特征信息，同时在浅层特征融合时加入深层信息，在深层特征融合时加入浅层信息，从而弥补在信息传递过程中丢失的语义信息以及细节信息，改善检测的定位效果以及分类效果。

本发明授权基于改进YOLOv7模型的光伏电池组件缺陷检测方法在权利要求书中公布了：1.一种基于改进YOLOv7模型的光伏电池组件缺陷检测方法，其特征在于，该方法包括以下步骤： 第一步：采集缺陷光伏电池组件EL图像，对图像进行数据增强和归一化处理；对图像进行标注，添加缺陷类型标签； 第二步：基于YOLOv7模型构建缺陷检测模型；YOLOv7模型包括特征提取、特征融合和分类回归三部分，对YOLOv7模型的特征融合部分进行改进，在原始YOLOv7模型的特征融合部分嵌入GCSC模块，同时添加两条跨尺度融合支路，通过F-cat操作分别对浅层和深层特征进行融合，得到缺陷检测模型；GCSC模块为全局通道与空间上下文信息；F-cat操作对每个输入的特征赋予一个可学习的权重，再将赋予权重的特征进行拼接； 所述特征融合部分包括SPPCSPC模块、UP模块、cat操作、ELAN-W模块、GCSC模块、F-cat操作和MP-2模块；特征提取部分最后一个ELAN模块的输出依次经过SPPCSPC模块和UP模块后，与特征提取部分第三个ELAN模块的输出经过一个CBS模块获得的特征进行cat操作，得到第一个融合特征；第一个融合特征依次经过ELAN-W模块、第一个GCSC模块和UP模块后，与特征提取部分第二个ELAN模块的输出经过一个CBS模块获得的特征以及SPPCSPC模块的输出经过两个UP模块获得的特征进行F-cat操作，得到第二个融合特征；第二个融合特征经过ELAN-W模块和第二个GCSC模块后，得到第一个加强特征；第一个加强特征经过MP-2模块，与第一个GCSC模块的输出进行cat操作后，再经过ELAN-W模块，得到第二个加强特征；第二个加强特征经过MP-2模块，与SPPCSPC模块的输出以及第二个GCSC模块的输出经过两个MP-2模块获得的特征进行F-cat操作后，再经过ELAN-W模块，得到第三个加强特征；三个加强特征作为分类回归部分的输入； 第三步：利用第一步获得的图像对缺陷检测模型进行训练，将训练后的缺陷检测模型用于光伏电池组件缺陷检测。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院；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。