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