波谷数据聚合，过于接近的序号合并为1个序号, 以左右距离阈值为10进行聚合 :param trough: 波谷序号数组 :param th: 同类点最大距离 :return: trough_clustered 聚合后的波谷

太阳能板姿态校正 :param image: 待校正图像 :param hist_th: 直方图双峰判断阈值，设在直方图里两波峰之间，实验综合最佳值为25 :param approx_eps: 四边形逼近系数初值，会动态调整 :param debug:

电池板自动化分割 :param image_corrected: 校正后的电池板图 :param trough_th: 波谷判别阈值，用于确定分割位置(弃用) :param seg_method: 分割方法，0-纯波谷分

读数据集中各图片路径与标签 输入：root_dir 根目录文件夹 输出：all_image_paths 各图片的路径 all_image_labels 各图片的标签

读数据集中各图片路径与标签 输入：root_dir 根目录文件夹 输出：all_image_paths 各图片的路径 all_image_labels 各图片的标签

根据路径读取图片张量并统一大小

根据路径读取图片张量并统一大小

对单张图片记录输出 :param true_labels: 真实标签 [n,1,1] :param pred_scores: 预测分数 [n,m,c] n个位置可能产生m个不同形状的预测框，每个框有c个预测类别

对单张图片记录输出 :param true_labels: 真实标签 [n,1,1] :param pred_scores: 预测分数 [n,m,c] n个位置可能产生m个不同形状的预测框，每个框有c个预测类别

:param data_list: 数据标签列表 :param sample_refer: 取样参考,0参考损坏集，1参考完好集 :param sample_rate: 取样率 :param label_ratio: 标签比

:param data_list: 数据标签列表 :param sample_refer: 取样参考,0参考损坏集，1参考完好集 :param sample_rate: 取样率 :param label_ratio: 标签比

读数据集中各图片路径与标签 输入：root_dir 根目录文件夹 输出：all_image_paths 各图片的路径 all_image_labels 各图片的标签

计算IoU :param bbox1: [4,] Tensor :param bbox2: [4,] Tensor :return IoU:

计算IoU :param bbox1: [4,] Tensor :param bbox2: [4,] Tensor :return IoU:

Show author information

Detection command: start detection after setting pictures and models

Exit solaraneldefectdetect v1.0

Set the necessary parameters.\nExample: set [options] <param>

Usage:\n show <command>\n\nDescription:\n Show information or options available for the current operation.\n

判断是否有可能错误的两个伪标记，并将他们交换 :param y_u_pred: # 预测值 :param Y_u: # 伪标记 :return: y_u_pred # 原预测值 Y_u # 交换后的伪

伽马归一化 :param image: 图片 :param gamma: 伽马值 :return: 处理后图片

伽马归一化 :param image: 图片 :param gamma: 伽马值 :return: 处理后图片

:param x_data: 参与生成的X数据矩阵 :param prediction_grid: 待预测的单个x数据向量 :param gamma: 方差倒数 :return:

:param Model: SVM模型 :param Cl: 全监督权重 :param Cu: 无监督权重 :param y_u_pred: 无监督模型预测值 :param split_Cu: 是否拆分无监督权重 :ret