面向域偏移缓解的带边界对齐平滑约束的光伏缺陷图像生成器
计算机视觉与模式识别
2025-05-12 v1
摘要
准确的光伏（PV）电池缺陷检测对于确保智能光伏制造系统的质量和效率至关重要。然而，丰富缺陷数据的稀缺性给有效的模型训练带来了巨大挑战。虽然现有方法已探索使用生成模型来增强数据集，但它们常常面临不稳定、多样性有限和域偏移等问题。为解决这些问题，我们提出 PDIG，一个基于 Stable Diffusion（SD）的光伏缺陷图像生成器。PDIG 利用从大规模数据集中学习到的强先验，在有限数据下提升生成质量。具体而言，我们引入了一个语义概念嵌入（SCE）模块，该模块融合文本条件先验，以捕获缺陷类型与其外观之间的关系概念。为进一步丰富域分布，我们设计了一个轻量级工业风格适配器（LISA），通过交叉解耦注意力将工业缺陷特征注入 SD 模型。在推理阶段，我们提出了一个文本-图像双空间约束（TIDSC）模块，通过位置一致性和空间平滑对齐来约束生成图像的质量。大量实验表明，与最先进的方法相比，PDIG 实现了卓越的真实感和多样性。具体来说，我们的方法将 Frechet Inception Distance（FID）指标比次优方法提升了 19.16 个点，并显著增强了下游缺陷检测任务的性能。
引用
@article{arxiv.2505.06117,
title = {Photovoltaic Defect Image Generator with Boundary Alignment Smoothing Constraint for Domain Shift Mitigation},
author = {Dongying Li and Binyi Su and Hua Zhang and Yong Li and Haiyong Chen},
journal= {arXiv preprint arXiv:2505.06117},
year = {2025}
}