基于改进Faster R-CNN的光伏电池内部缺陷检测

• 作者: 伊欣同 单亚峰
• 来源期刊: 电子测量与仪器学报
• 关键词: 深度学习 残差通道注意力模块 光伏电池 缺陷检测 近红外图像
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: “电池检测技术及其应用”专题|BATTERY DETECTION TECHNOLOGY AND ITS APPLICATION
• 页码范围: 40-47
• 页数: 8页
• 分类号: TP391.4|TN081
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003300

摘要

光伏电池近红外图像中复杂异构背景使内部缺陷检测成为一项极具挑战性的问题,为此,提出了一种基于深度学习的目标检测框架-残差通道注意力Faster R-CNN(residual-channel-attention-faster R-CNN,RCA-Faster R-CNN),该网络通过卷积层-池化层提取图像特征,再送入新颖的残差通道注意力RCA模块进行复杂背景特征抑制和缺陷特征突出,进而区域推荐网络推荐出更加精确的包含缺陷的候选框,最后利用分类与定位网络实现高精度的缺陷分类和位置估计.实验结果表明,RCA-FasterR-CNN的缺陷检测精度提升到了83.29％,证明了所提方法的有效性.