文献类型：期刊文章

作　　者：孔松涛[1] 徐甄泽[1] 林星宇[1] 张椿秋[1] 蒋国庆[1] 张淳钦[1] 王堃[1]

KONG Songtao;XU Zhenze;LIN Xingyu;ZHANG Chunqiu;JIANG Guoqing;ZHANG Chunqing;WANG Kun(College of Mechanical and Power Engineering,Chongqing University of Science&Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院机械与动力工程学院,重庆401331

出　　处：《红外技术》

基　　金：重庆市自然科学基金(CSTC020JCYJ-msxmX0798);重庆市教委科学技术研究项目(KJQN201901526);重庆科技学院研究生科技创新计划项目(YKJCX2120308)。

年　　份：2023

卷　　号：45

期　　号：9

起止页码：974-981

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：现有光伏组件缺陷识别方法存在提取特征困难、实时性较差导致了对光伏组件的缺陷故障检测的识别精度不高,本文提出一种基于改进YOLO v5算法的光伏组件红外热成像缺陷检测方法。改进后的YOLO v5算法主要是在原来的基础上增添注意机制SE模块,并且改进损失函数将GIoU改为EIoU提高模型收敛效果、最后采用KG模块平衡特征金字塔结构对模型进行优化,用以提高YOLOv5算法的识别精度和收敛效果。改进后的网络结构应用在YOLO v5s模型中,在光伏组件红外图像的检测上的平均检测精度mAP可以达到92.8%,比原本的YOLO v5s算法88.3%提升了4.5%,在精确度和召回率上的收敛效果也比原始YOLO v5算法模型有所提高,改进后的网络结构应用于l、m、x三种模型中,其检测精度都有所提升,因此改进后的YOLOv5算法适用于4种模型。

关 键 词：缺陷检测  深度学习  YOLOv5  损失函数 SE模块  平衡特征金字塔结构  

分 类 号：TP391]