基于轻量化卷积神经网络的光伏电池片缺陷检测方法研究

• 作者: 刘怀广 丁晚成 黄千稳
• 来源期刊: 应用光学
• 学科: 工学
• 关键词: 光伏电池片 缺陷检测 深度学习 特征提取 小目标预测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 光学计量与测试|OPTICAL METROLOGY AND MEASUREMENT
• 页码范围: 87-94
• 页数: 8页
• 分类号: TN206|TP391.4
• 语种: 中文
• DOI: 10.5768/JAO202243.0103003

摘要

光伏电池片中的缺陷会影响整个光伏系统使用寿命及发电效率.针对现有电池片自动检测中尺寸弱小缺陷漏检率高的问题,建立了一种特征增强型轻量化卷积神经网络模型.针对性地设计了特征增强提取模块,提高了弱边界的提取能力,同时根据多尺度识别原理,增加了小目标预测层,实现了多尺度特征预测.在实验测试中,该模型平均精度均值(mAP)达到87.55％,比传统模型提高了6.78个百分点,同时检测速度达到40帧/s,满足精准性与实时性的检测要求.