文献检索-宁波市创意产业特色资源库

限定检索结果

基于机器视觉的太阳能电池片表面缺陷检测: 收藏
分享
引用; 《组合机床与自动化加工技术》2022年第8期 144-147,151页; 作者：张鹏飞王淑青黄剑锋刘逸凡张子言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; 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...; 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。; 来源：详细信息评论

限定检索结果