换一批电致发光缺陷图像非均衡样本生成与评估
Generation and Evaluation of Imbalanced Samples in Electroluminescent Defect Images
摘要太阳能电池板缺陷降低了光电转换效率和使用寿命,因此必须进行缺陷检测.YOLO和GoogleNet等深度学习模型提高了准确性,但数据集的缺陷样本不平衡会影响模型的准确度.为解决此问题,本文提出了改进的扩散概率模型.该模型使用sigmoid方案更新加噪策略,生成缺陷数据中的黑斑片,并通过目视判断和目标检测算法评价生成图像质量.实验结果显示,与传统数据增广、DCGAN和DDPM等方法相比,SIG-DDPM在生成图像质量方面更出色.经过目视判断和目标检测算法的测试,生成的黑斑电池片图像接近真实图像,说明了该方法的有效性.
更多相关知识
关键词
扩散概率模型电致发光缺陷图像生成图像评价Diffusion probability modelElectroluminescence defectImage generationImage evaluation
栏目名称
DOI
10.16707/j.cnki.fjpc.2023.10.003
发布时间
2023-11-02（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
