基于改进YOLOv11的太阳能电池板缺陷检测

来源：电子测量技术杂志2025年第17期北京时间：

作者：包广斌，范超林，罗曈，阚洪丽

单位：兰州理工大学计算机与通信学院 兰州 730050

摘要：针对现阶段太阳能电池板缺陷检测方法精度低、速度慢的问题，提出了一种基于改进YOLOv11的缺陷检测算法。首先，在骨干网络中引入SimSPPF模块，优化了特征提取过程。此外，采用Slide Loss损失函数提升了模型对困难样本的关注度。同时，在C2PSA中引入LSKA注意力机制，利用分离卷积核增强特征提取能力，并应用Mish激活函数增强网络非线性。最后，引入Strip Pooling策略，提高了模型对目标形状和分布变化的适应性。实验结果显示，改进算法Persion达到86.8%，较原始算法提高3.3%，mAP@0.5达到90.1%，较原始算法提高2.6%，检测速度达到149.254 fps，满足工业生产中太阳能电池板缺陷检测高精度、高效率的要求。

关键词：YOLOv11;目标检测;深度学习;注意力机制;太阳能电池板

基金资助：甘肃省自然科学基金(18JR3RA156)项目资助