融合元学习和双路径注意力的太阳电池缺陷生成

作     者：周颖 袁梓桐 陈海永 王世杰 Zhou Ying;Yuan Zitong;Chen Haiyong;Wang Shijie

作者机构：河北工业大学人工智能与数据科学学院天津300130 河北省控制工程技术研究中心天津300130 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2023年第44卷第9期

页      面：85-93页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(62073117,U21A20482) 中央引导地方科技发展资金项目(206Z1701G) 

主　　题：太阳电池 缺陷检测 生成对抗网络 元学习 双路径注意力 数据增强 

摘      要：针对太阳电池缺陷图像数据少导致深度学习模型过拟合,从而造成小样本缺陷检测困难的问题,该文提出一种融合元学习和双路径注意力的生成对抗网络(MAGAN)作为数据增强策略。所设计的元学习调参模块(MTM)优化生成器中权重参数;所设计的双路径注意力模块(DPAT)在特征提取过程中更关注图像中微小微弱缺陷特征;在改进网络构架的同时提出一种聚类约束损失函数解决训练过程中梯度消失问题。实验和研究结果表明,所提方法能够针对小样本缺陷生成有效目标数据集并优于其他生成对抗网络,最后通过分类准确率验证了该网络的有效性。