基于SimAM-Ada YOLOv5的太阳能电池 表面缺陷检测

来源：电子测量技术杂志2023年第22期北京时间：

作者：张猛，尹丽菊，周辉，邹国锋，秦怡鸣，李铭宇

单位：山东理工大学电气与电子工程学院 淄博 255000

摘要：针对太阳能电池图像背景复杂、缺陷形态多变及尺度差异大的特点，提出一种基于SimAM-Ada YOLOv5算法的太阳能电池缺陷检测方法。首先，将可变形卷积融入CBL模块，实现自适应学习特征尺度和感受野的大小；然后，将Ada池化融入SPP模块，增加缺陷信息的保留程度；最后，通过引入SimAM注意机制，进一步提高模型的特征提取能力。为了进一步优化改进YOLOv5算法，使用马赛克和MixUp融合数据增强、K-means++聚类锚盒算法、CIOU损失函数以及Hard-Swish激活函数，以达到增强改进模型性能的目的。实验结果表明，改进YOLOv5算法在太阳能电池电致发光图像数据集的检测mAP达到89.86%，相比于原始算法的mAP提高了8.07%，速度达到37.92 fps，在满足实时性的要求下可以更精准的完成太阳能电池缺陷检测任务。

关键词：深度学习;太阳能电池;YOLOv5;缺陷检测

基金资助：国家自然科学基金(62101310)、山东省自然科学基金(ZR2020MF127)项目资助