基于改进YOLOv5s的太阳能电池缺陷检测算法

摘要：

太阳能电池生产制造的过程中,由于制造工艺的不完善和人为操作失误等原因可能导致太阳能电池片出现破损、裂缝、断栅和硅材料缺失等类型的缺陷.为了提高太阳能电池缺陷检测准确率,本文提出一种基于YOLOv5s算法的太阳能电池缺陷检测算法YOLOv5s-CG.在主干网络和特征融合层不同位置引入卷积注意力机制(CBAM),主干网络的注意力机制关注全局信息,特征融合层的注意力机制关注局部信息,同时在空间和通道2种维度上进行特征增强,并用GIOU损失函数评估检测效果.使用重新标注的公开太阳能电池数据集对提出的算法进行实验验证,实验结果表明,YOLOv5s-CG算法的全类平均精度(mAP)达到了75.1%,与YOLOv5s算法比较,各种类型的缺陷检测精度都有所提升,其中裂缝和硅材料缺失的精度分别提升了0.036、0.033,全类平均精度(mAP)提高了0.026;与主流的目标检测算法SSD相比,全类平均精度(mAP)提升了0.123.本文算法能够更加高效地检测太阳能电池的缺陷,为实际生产提供更好的检测算法.

关键词：太阳能电池缺陷检测、目标检测、深度学习、YOLOv5、注意力机制

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：119-126