《电子测量技术杂志》发表论文赏析

基于全注意力FSA-UNet网络的单晶电池片混合缺陷检测

来源:电子测量技术杂志2023年第12期北京时间:

作者:吴俊良,刘怀广,汤勃

单位:1.武汉科技大学机械传动与制造工程湖北省重点实验室 武汉 430081; 2.武汉科技大学冶金装备及其控制教育部重点实验室 武汉 430081

摘要:太阳能电池片的内部缺陷是降低电流传导效率的主要原因,通过EL或PL成像后的图像缺陷强弱变化较大,直接进行阈值分割会造成漏检。本文提出了一种全注意力FSA-UNet网络,用于太阳能电池片混合缺陷分割。针对缺陷分层特点,设计出了特征增强模块,提升弱缺陷的分辨能力,同时改进骨干特征提取网络,加快了强缺陷的检出效率。本算法能精确分割出单晶硅片的多种缺陷,为了验证本文算法的有效性,将本文算法与U-net、DeepLabV3+进行的比较,最佳MIOU达到了77.9%,突出了本算法的优势。

关键词:电池片检测;缺陷分割;U-net;全注意力网络

基金资助:国家自然科学基金面上项目(51874217)、国家重点专项(2018YFC1902400)资助

2023年12期其他文献查阅:

基于CNN-LSTM故障诊断的自动扶梯监测软件设计

基于XGBoost的光伏阵列故障诊断方法研究

基于新型缝隙单元的微带全向阵列天线设计

基于FMEDA的气体探测器SIL验证研究

基于改进灰色GM(1,1)模型的轨道电路故障预测

基于改进Faster RCNN的轮对踏面缺陷检测

基于多重渐消因子变分贝叶斯的陀螺阵列融合算法

新能源逆变系统中VSG控制时随机激励的谐波抑制研究

一种并行双模式盲均衡算法的研究与实现

基于投票机制的室内WiFi指纹定位算法

基于深度强化学习哈里斯鹰算法的路径规划

基于特征因素选取的IVMD-GLSSVM光伏出力短期预测

基于LQEKF的机载光电平台的模型预测控制

基于改进粒子群算法的三维路径规划研究

基于全注意力FSA-UNet网络的单晶电池片混合缺陷检测

基于优化概率神经网络的驾驶员疲劳检测

螺纹钢性能测试视频引伸计研究

基于ARM平台目标检测的轻量化方法

基于改进YOLOv5m的轻量化车脸检测方法

基于注意力机制和跨尺度特征融合的摩托车头盔检测算法

深浅层特征结合的自监督立体匹配

基于双目视觉的车辆外廓尺寸测量方法

基于自适应小波变换的陶瓷瓦鼓包检测方法

基于几何仿射与注意力的三维激光点云分类

基于VMD-SVD的拉曼分布式光纤测温系统降噪方法

基于混合神经网络和注意力机制的卒中后抑郁早期筛查分类方法研究

含缺陷管道磁化状态与漏磁信号规律研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!