基于改进YOLOv5算法的光伏缺陷检测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对以往光伏缺陷检测中可识别缺陷的种类少、无法对缺陷进行定位、模型参数多体积大以及检测速度慢的局限性，改进传统的YOLOv5网络对光伏组件面板图像中常见的裂纹、断栅、黑芯、粗线和热斑5类主要缺陷进行检测和分类。使用3种不同的注意力机制模块：CA注意力机制模块、ECA注意力机制模块、CBAM注意力机制模块，分别融入YOLOv5网络中进行对比分析实验，发现CA注意力机制更加适合光伏缺陷图像检测。（剩余13760字）

试读结束

目录
monitor