基于多尺度特征融合的光伏组件缺陷检测
Defect Detection of Photovoltaic Modules Based on Multi-Scale Feature Fusion作者机构:陕西科技大学电气与控制工程学院西安710000
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2024年第60卷第3期
页 面:340-347页
核心收录:
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:针对光伏组件缺陷背景复杂,缺陷尺度差异较大,小目标缺陷较多等传统目标检测算法无法解决的问题,提出了一种基于多尺度特征融合的光伏组件缺陷检测算法。算法以YOLOv5s为框架,在主干网络中嵌入坐标注意力机制,用于提取重要的缺陷形态,增强网络特征提取能力;在颈部网络中使用双向特征金字塔,以自适应权重的方式融合不同尺度的图像特征;在预测层添加微小目标检测层,并结合ASFF检测头自适应融合不同输出层,减少目标特征信息丢失。在光伏组件数据集上进行验证,实验表明改进后的算法可以快速精准识别缺陷,其中mAP达到了91.9%,召回率达到了90.8%,相比于YOLOv5s网络,mAP和召回率分别提升了3.2、4.5个百分点。