基于改进轻量化U-Net模型的光伏电池EL图像缺陷检测

来源：电子测量技术杂志2024年第5期北京时间：

作者：汪方斌，李文豪

单位：1.安徽建筑大学机械与电气工程学院 合肥 230601; 2.安徽建筑大学建筑机械故障诊断与预警重点实验室 合肥 230601

摘要：基于实际工程检测现场神经网络结构庞大、参数量巨大、环境复杂，硬件设备性能差等原因导致缺陷的实时检测速率慢、精度低的问题，本研究结合MobileNet中的深度可分离卷积配合ECA注意力机制模块的轻量化思想，以及U-Net网络的特征提取模型提出了一种基于改进U-Net网络模型的光伏电池板缺陷检测方法。同时，根据光伏电池缺陷的特点，选择适合的激活函数以及对交叉熵损失函数进行了改进。实验结果表明，改进的U-Net算法较原算法不仅将参数量减少了36%，而且对裂纹、黑斑等缺陷的检测精度达到了97.05%，相对传统网络具有较好的光伏电池表面缺陷分割效果。

关键词：电致发光;光伏电池;缺陷检测;深度可分离卷积;U-Net;ECA;图像分割

基金资助：安徽省自然科学基金(2008085UD09)、安徽省教育厅高校自然科学重点项目(KJ2020A0487)、安徽省教育厅高校研究生科学研究项目(YJS20210512)、安徽省教育厅高校协同创新项目(GXXT-2021-010)、安徽省住房城乡建设科学技术计划项目(2022-YF016,2022-YF065, 2023-YF050)、安徽省高等学校科学研究项目(2022AH040044)资助