复杂背景下的多晶硅太阳电池缺陷检测

作     者：廖力达 罗晓 黄斌 刘亮 冯飞 陈为强 Liao Lida;Luo Xiao;Huang Bin;Liu Liang;Feng Fei;Chen Weiqiang

作者机构：长沙理工大学能源与动力工程学院长沙410114 南澳大学工学院阿德莱德5000 通道子舞风能开发有限公司怀化418500 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第45卷第9期

页      面：295-303页

学科分类：08[工学] 0803[工学-光学工程] 

基　　金：湖南省自然科学基金(2021JJ30717) 

主　　题：太阳电池 计算机视觉 表面缺陷 卷积神经网络 

摘      要：提出并设计名为OD-YOLO缺陷检测模型来改善多晶硅太阳电池电致发光成像中复杂背景干扰缺陷检测效果的问题。使用二次卷积模块(TwiceConv-OD)过滤掉复杂晶粒背景干扰,增强模型对缺陷本身的关注力;提出anchor-plus1分配策略来增加模型在面对复杂背景时获取更多的缺陷正样本数量,提升模型的准确率与召回率,减少漏检误检;使用K-means++算法初始化锚框尺寸,聚类后的锚框更能代表检测样本中所有缺陷的几何形貌,能更好适应多晶硅太阳电池的缺陷尺度差异。经公开缺陷检测数据集PVEL-AD-2021的实验验证:OD-YOLO模型的均值平均精度(mAP)达到89.4%,相比YOLOV5s缺陷检测模型提升3%,准确率提升4.8%,召回率提升1.9%,参数减少4.5%,检测速度为104帧/s。