YOLO-DSBF：一种新的太阳电池缺陷识别方法

打开文本图片集

中图分类号：TM914.4 文献标志码：A

摘：要：针对当前太阳电池缺陷检测模型存在识别精度低、检测不准确等问题，该文提出一种新的太阳电池缺陷识别方法YOLO-DSBF。首先，将YOLOv8头部网络中的C2f层融合动态蛇形卷积（ 设计C2f_DSConv模块，使其能够自适应聚焦于细长局部缺陷;其次，在颈部网络中引入动态稀疏注意力机制（BiFomer）实现更灵活的内容识别和计算调配，提升模型的特征提取能力;然后，针对微小缺陷点，添加小目标检测层，降低漏检率;最后，采用GIoU损失函数替代原有的综合交并比（CIoU）损失函数，有效提升算法的回归性能。（剩余13319字）