融合注意力机制的YOLOv5光伏板电致发光图像缺陷检测算法

作者：赵晓雨; 高林^*; 杨校李; 彭运猛

来源：湖北民族大学学报(自然科学版), 2023, 41(01): 65-70.

DOI：10.13501/j.cnki.42-1908/n.2023.03.010

• 光伏板
• YOLOv5
• 注意力机制
• 缺陷检测
• 电致发光图像

光伏板是光伏发电系统的核心部件，其质量好坏直接影响发电效率及电路安全。为了精准检测出光伏板的缺陷，提出了1种融合注意力机制的YOLOv5改进算法，该算法将有效通道注意力(efficient channel attention, ECA)与YOLOv5模型主干网络中的C3模块相融合形成C3-ECA模块。同时将融合注意力机制YOLOv5改进算法与YOLOv3、YOLOX等多个模型做对比实验，结果表明融合注意力机制YOLOv5改进算法精确率为97.5%,比原版YOLOv5提高了1.1%。改进的算法在引入少量参数的情况下，提高了模型的检测精度，并能够对光伏板表面的多种缺陷进行有效识别，且精度高、耗时少。

• 单位
  湖北民族大学