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])
ISSN1006-4125
卷号60期号:20页码:2015005
发表状态已发表
DOI10.3788/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
所有评论 (0)
暂无评论
 

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。