基于机器视觉的太阳能电池片表面缺陷检测

作     者：张鹏飞 王淑青 黄剑锋 刘逸凡 张子言 ZHANG Peng-fei;WANG Shu-qing;HUANG Jian-feng;LIU Yi-fan;ZHANG Zi-yan

作者机构：湖北工业大学电气与电子工程学院武汉430068 华中科技大学武汉光电国家研究中心武汉430074 

基　　金：国家自然科学基金项目(61873195) 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2022年第8期

页      码：144-147,151页

摘      要：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。

主 题 词：太阳能电池片 缺陷检测 轻量化YOLO 反向线性卷积 深度可分离卷积 特征金字塔 

学科分类：080202[080202] 08[工学] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13462/j.cnki.mmtamt.2022.08.034

馆 藏 号：203114068...