文献类型：期刊文章

作　　者：刘怀广[1,2] 丁晚成[1] 黄千稳[1]

LIU Huaiguang;DING Wancheng;HUANG Qianwen(Key Laboratory of Metallurgical Equipment and Control Technology(Ministry of Education),Wuhan University of Science and Technology,Wuhan 430081,China;Institute of Robotics and Intelligent Systems,Wuhan University of Science and Technology,Wuhan 430081,China)

机构地区：[1]武汉科技大学冶金装备及其控制教育部重点实验室,湖北武汉430081 [2]武汉科技大学机器人与智能系统研究院,湖北武汉430081

出　　处：《应用光学》

基　　金：国家重点专项资助项目(2018YFC1902400);国家自然科学基金(51805386)。

年　　份：2022

卷　　号：43

期　　号：1

起止页码：87-94

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

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  

分 类 号：TN206] TP391.4]