基于改进YOLOv5的太阳能电池片表面缺陷检测

作     者：王淑青 张鹏飞 要若天 鲁东林 顿伟超 WANG Shu-qing;ZHANG Peng-fei;YAO Ruo-tian;LU Dong-lin;DUN Wei-chao

作者机构：湖北工业大学电气与电子工程学院湖北武汉430068 武汉大学电气与自动化学院湖北武汉430072 

出 版 物：《仪表技术与传感器》 (Instrument Technique and Sensor)

年 卷 期：2022年第5期

页      面：111-116页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 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：国家自然科学基金项目(61873195) 

主　　题：深度学习 太阳能电池片 YOLOv5 缺陷检测 多尺度训练 

摘      要：针对传统视觉方法的太阳能电池片表面缺陷检测效率低、种类少的问题,提出一种能高效识别太阳能电池片表面多种缺陷的神经网络模型。首先在YOLOv5模型输入端改进了一种动态反馈多尺度训练的数据增强方法以提高特征训练精度;然后采用指数线性单元激活函数ELU替换主干网络中的激活函数,加快训练速度;最后通过一种聚焦的高效交叉联合损失函数优化边界框损失。试验结果表明,改进的模型能对太阳能电池片的多种表面缺陷进行有效识别,检测精度较高,耗时较少,对太阳能电池片表面质量规范有实际应用价值。