上海科技大学知识管理系统

反馈留言

	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
	郭岚1,2; 刘正新1,2
	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

微信扫一扫：分享 微信里点“发现”，扫一下 二维码便可将本文分享至朋友圈。