融合注意力的多尺度Faster RCNN的裂纹检测

• 作者: 陈海永 赵鹏 闫皓炜
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 多尺度特征提取 注意力模块 Focalloss函数
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 科研论文
• 页码范围: 61-71
• 页数: 11页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.12086/oee.2021.200112

摘要

电致发光(Electroluminescence,EL)下的光伏电池EL图像背景表现为复杂的非均匀纹理特征,且存在与裂纹相似的晶粒伪缺陷,同时裂纹表现为形状多样的多尺度特征,以上难点为检测任务带来了极大的挑战.因此,本文提出融合注意力的多尺度Faster-RCNN模型,一方面,采用改进的特征金字塔网络获取多尺度的高级语义特征图,以此来提高网络对多尺度裂纹缺陷的特征表达能力.另一方面,采用改进的注意力区域推荐网络A-RPN,提高模型对裂纹缺陷的关注并抑制复杂背景及晶粒伪缺陷的特征.同时,在RPN网络训练过程中,采用损失函数Focal loss,以此来降低训练过程中简单样本所占比重,使其更加关注难以区分的样本.实验结果表明,改进的算法使得EL图像裂纹缺陷检测的准确率提高,达到接近95％.