典型文献
基于轻量化卷积神经网络的光伏电池片缺陷检测方法研究
文献摘要：
光伏电池片中的缺陷会影响整个光伏系统使用寿命及发电效率.针对现有电池片自动检测中尺寸弱小缺陷漏检率高的问题,建立了一种特征增强型轻量化卷积神经网络模型.针对性地设计了特征增强提取模块,提高了弱边界的提取能力,同时根据多尺度识别原理,增加了小目标预测层,实现了多尺度特征预测.在实验测试中,该模型平均精度均值(mAP)达到87.55％,比传统模型提高了6.78个百分点,同时检测速度达到40帧/s,满足精准性与实时性的检测要求.
文献关键词：
光伏电池片;缺陷检测;深度学习;特征提取;小目标预测
中图分类号：
作者姓名：
刘怀广;丁晚成;黄千稳
作者机构：
武汉科技大学 冶金装备及其控制教育部重点实验室,湖北 武汉 430081;武汉科技大学 机器人与智能系统研究院,湖北 武汉 430081
文献出处：
引用格式：
[1]刘怀广;丁晚成;黄千稳-.基于轻量化卷积神经网络的光伏电池片缺陷检测方法研究)[J].应用光学,2022(01):87-94
A类：
B类：
轻量化卷积神经网络,光伏电池片,缺陷检测方法,光伏系统,发电效率,自动检测,弱小,小缺陷,漏检率,特征增强,增强型,卷积神经网络模型,取模,尺度识别,小目标预测,多尺度特征,特征预测,实验测试,模型平均,平均精度均值,mAP,传统模型,百分点,同时检测,检测速度,精准性,检测要求
AB值：
0.373597
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
