为提高太阳能电池片表面各类缺陷的检测精度及速度，设计了一种轻量化YOLO深度学习算法的检测模型。首先在YOLOv4模型的基础上，采用反向线性卷积与深度可分离卷积重新设计主干网络；其次，将Neck部分的路径聚合网络及特征金字塔替换为信道增强特征金字塔，引入亚像素连接，并结合亚像素上下文信息完成特征集成映射，提升高层次信道特征的使用率；最后使用通道注意力引导模块，增强缺陷定位的稳定性。试验证明，模型的检测准确率达97.5%,平均检测速度可达23 ms,检测精度高、规模小、耗时低。
科研之友
微信
新浪微博
Facebook
分享链接
