多尺度特征融合的太阳电池表面缺陷检测

打开文本图片集

摘 要：多晶硅太阳电池表面缺陷多源异类、小尺度缺陷检测困难。现有基于机器学习图像处理的表面缺陷检测算法在实际使用过程中存在检测精度不高、检测类型少、鲁棒性差等问题。基于深度学习，提出一种可提升精度、便于工业应用的多尺度特征融合的轻量化缺陷检测模型。该模型以YOLOv5目标检测算法为框架，为增强多尺度特征的融合效果，设计浅层通道融合分支和双采样结构，改进了多尺度池化金字塔，提升了模型对小尺度缺陷的检测能力；引入ECA注意力机制，增强颈部网络对有效信息的关注度；最后，设计新的降采样结构和C3（Light-CSP-Darknet53）结构，提升检测精度的同时降低参数量和计算量。（剩余11859字）