基于T-VGG的太阳电池片缺陷检测

作者：陶志勇^*; 杜福廷; 任晓奎; 林森

来源：太阳能学报, 2022, 43(07): 145-151.

DOI：10.19912/j.0254-0096.tynxb.2020-1105

• 深度学习
• 卷积神经网络
• 太阳电池
• 缺陷检测
• T-VGG

针对太阳电池片EL图像，提出一种融合注意力机制和Ghost卷积层并引入批标准化的T-VGG轻量级卷积神经网络模型。首先使用Ghost卷积层替换常规卷积层，其次引入注意力机制和批规范化，进而实现对电池片缺陷的高精高速检测。实验结果表明，该卷积神经网络模型对缺陷的检测准确率为99.15%，对缺陷类型的检测准确率为96.28%，检测时间为0.032 s/张，在保证高精高效性的同时兼具通用性。

• 单位
  辽宁工程技术大学