基于YOLOv8n改进的太阳能电池板缺陷检测

作     者：高航 祁云嵩 

作者机构：江苏科技大学计算机学院 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2024年

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(62261029) 

主　　题：太阳能电池板 缺陷检测 YOLOv8n C2f_RVB 特征融合 

摘      要：随着太阳能技术的快速发展，高效的太阳能电池片缺陷检测方法变得至关重要。传统的缺陷检测方法由于精度不足，难以满足工业应用的需求，特别是在检测微小或细微缺陷方面表现不佳。针对这一问题，本文提出了一种基于改进的YOLOv8n算法，通过引入新的结构和损失函数来提高检测效果。首先，本研究设计了C2f＿RVB模块，该模块采用RepViTBlock技术优化了特征表达能力，并有效减少了模型参数。通过增强深层特征的表达，C2f＿RVB模块显著提升了对小目标缺陷的识别精度。其次，引入的TFE模块通过改善多尺度特征融合，增强了模型在检测微小缺陷方面的能力。此外，本文还采用了SSFF-Dysample模块，结合Dy Sample动态上采样技术，进一步优化了模型处理不同尺度特征的能力。最后，采用了Slide loss作为损失函数，优化了模型对难以识别样本的学习效率，尤其是在处理高度不均匀的缺陷分布时更为有效。经过实验验证，改进后的YOLOv8n模型在精度、召回率和平均精确率上分别比原始模型提高了6.7%、8%和8.5%，检测速度达到了221.7 FPS，充分满足了太阳能电池片缺陷检测的高效率和高精度需求。这些改进不仅提高了模型的性能，也为太阳能电池片缺陷检测提供了一种新的技术路径。