基于改进YOLOv8光伏板缺陷检测算法

作     者：杨长春 贺轩轩 王睿 朱士竹 严昊 Yang Changchun;He Xuanxuan;Wang Rui;Zhu Shizhu;Yan Hao

作者机构：常州大学王诤微电子学院集成电路产业学院常州213159 

基　　金：国家自然科学基金(62301086)项目资助 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2024年第47卷第23期

页      码：181-192页

摘      要：针对现有的分布式光伏电池板缺陷检测精度低、计算量高、参数量大以及复杂背景多变等因素导致的误检、漏检问题,提出了一种改进的轻量级YOLOv8分布式光伏电池板缺陷检测算法。采用高效轻量级的StarNet网络架构作为特征提取网络,减少计算成本和参数量,实现高效率和高性能之间平衡;设计SPPF-AM模块,增强了模型对空间信息的感知能力,有效应对不同尺度的目标;加入三元组注意力机制Triplet,有效地提取多尺度目标特征,提升模型的表征能力和任务性能;设计C2f_DSConv2D结合可变形卷积取代原网络中的C2f,以较低的存储和较高的计算速度,从而提高缺陷检测模型的效率;在特征融合网络中引入空间上下文感知模块SCAM,减少噪声影响,有效抑制图像中的噪声,抑制无关背景信息的干扰。设计ECIoU替换CIoU,增强边界框损失的拟合能力,加快网络模型的收敛速度。实验结果表明:改进后的YOLOv8模型参数量下降35%,计算量下降29.6%,检测精度达到了90.1%,mAP@50从85.9%提升到了89.7%,提升了4.2%。改进后模型在参数量、计算量下降的情况下检测精度也有一定的提升。所提出的改进算法在缺陷检测任务中表现出了较好的性能,有效增强了光伏电池板缺陷检测模型的检测性能。

主 题 词：缺陷检测 YOLOv8 轻量级 移位卷积 SCAM 损失函数 

学科分类：1305[艺术学-设计学类] 13[艺术学] 080703[080703] 0809[工学-计算机类] 081104[081104] 08[工学] 0807[工学-电子信息类] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.19651/j.cnki.emt.2416770

馆 藏 号：203156981...