基于DBBR-YOLO的光伏电池表面缺陷检测

作     者：刘义艳 郝婷楠 贺晨 常英杰 

作者机构：长安大学能源与电气工程学院 西安市轨道交通集团有限公司运营分公司 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2024年

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：陕西省重点研发计划(2021GY-098) 

主　　题：光伏电池缺陷 Gold-YOLO 注意力机制 深度学习 YOLOv8 

摘      要：针对光伏电池表面缺陷特征提取困难以及检测的实时性和准确性问题，提出了一种基于DBBR-YOLO的光伏电池表面缺陷检测方法。首先，将多样化分支块(Diverse Branch Block，DBB)融入到YOLOv8n中Backbone部分的C2f模块中，引入多样化的特征提取路径，增强特征提取的能力；其次，将模型的Neck部分和Gold-YOLO进行融合，实现对不同层级特征的全局信息聚合和融合，提高了特征图之间的信息交互效率，增强了模型的特征表达能力；最后，引入SimAM注意力机制提高了特征的表达能力，以增强模型对微小缺陷或小目标的检测能力。实验选取5种光伏电池表面缺陷类型进行验证，结果表明：改进后的DBBR-YOLO模型mAP@50值达到93.1％，相较于YOLOv8n提升了3.7%，FPS值达到了158.0，该模型在精度和速度方面的性能可以满足实时性、准确性的要求，能够应对光伏电池表面缺陷检测的实际应用场景。