ShanghaiTech University Knowledge Management System
基于改进YOLOv5的光伏组件缺陷检测 | |
其他题名 | Improved YOLOv5-Based Defect Detection in Photovoltaic Modules |
2023-02-08 | |
发表期刊 | 激光与光电子学进展 (IF:0.9[JCR-2023],0.6[5-Year]) |
ISSN | 1006-4125 |
卷号 | 60期号:20页码:2015005 |
发表状态 | 已发表 |
DOI | 10.3788/LOP223155 |
摘要 | 电致发光(EL)检测技术作为太阳电池和组件缺陷检测的重要手段被广泛运用,但是EL检查中的缺陷筛查仍然需要持续完善。为了克服以往研究中可识别缺陷的种类少、无法对缺陷进行定位、模型参数多体积大及检测速度慢的局限性,使用改进的YOLOv5网络对电致发光图片中常见的隐裂、断栅、裂片和黑斑4类主要缺陷进行检测和分类。使用Ghost模块代替YOLOv5骨干提取网络中的普通卷积模块,减少网络模型的参数量;为了保证良好的检测性能,在骨干网络尾端加入Squeeze-and-Excitation(SE)注意力模块,提升算法的目标检测能力;在特征融合网络中引入双向特征金字塔网络(BiFPN)结构,进一步加强网络的特征融合能力。结果表明,所提模型成功地识别和定位了4类常见的缺陷,与YOLOv5算法相比,模型体积减小了21%,在没有GPU加速的情况下,单张图片的检测速度提升了17.4%。 |
关键词 | 缺陷检测 电致发光 YOLOv5 Ghost模块 注意力机制 特征融合 |
URL | 查看原文 |
收录类别 | CSCD ; 北大核心 |
语种 | 中文 |
原始文献类型 | 学术期刊 |
来源库 | CNKI |
中图分类号 | TP391.41;TM615 |
文献类型 | 期刊论文 |
条目标识符 | https://kms.shanghaitech.edu.cn/handle/2MSLDSTB/299870 |
专题 | 物质科学与技术学院 物质科学与技术学院_特聘教授组_刘正新组 物质科学与技术学院_硕士生 |
通讯作者 | 刘正新 |
作者单位 | 1.中国科学院上海微系统与信息技术研究所 2.上海科技大学物质科学与技术学院 3.中国科学院大学材料与光电研究中心 |
第一作者单位 | 物质科学与技术学院 |
通讯作者单位 | 物质科学与技术学院 |
推荐引用方式 GB/T 7714 | 郭岚,刘正新. 基于改进YOLOv5的光伏组件缺陷检测[J]. 激光与光电子学进展,2023,60(20):2015005. |
APA | 郭岚,&刘正新.(2023).基于改进YOLOv5的光伏组件缺陷检测.激光与光电子学进展,60(20),2015005. |
MLA | 郭岚,et al."基于改进YOLOv5的光伏组件缺陷检测".激光与光电子学进展 60.20(2023):2015005. |
条目包含的文件 | ||||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[郭岚]的文章 |
[刘正新]的文章 |
百度学术 |
百度学术中相似的文章 |
[郭岚]的文章 |
[刘正新]的文章 |
必应学术 |
必应学术中相似的文章 |
[郭岚]的文章 |
[刘正新]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
修改评论
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。