基于多尺度特征融合的光伏组件缺陷检测

作     者：田浩 周强 贺晨龙 TIAN Hao;ZHOU Qiang;HE Chenlong

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）] 

基　　金：陕西省自然科学基金(2022JM-330) 

主　　题：光伏组件 YOLOv5 缺陷检测 特征融合 

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。