基于多输入辅助分支训练的太阳能网版表面缺陷检测

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：吉训生, 马佩珏

单位：江南大学 物联网工程学院，江苏 无锡 214122

摘要：针对太阳能网版表面缺陷检测存在目标小、类别数量不均衡和类别目标长宽比失衡问题，提出一种改进的GELAN-C的缺陷检测模型。增加多输入辅助分支和自主学习隐藏相关性融合模块，降低梯度传递深度，改善小目标检测能力。引入DBB重参数化模块构成多分支解耦头，增强末端特征图表达能力，提升类别数量少的样本检测精度。通过ShapeIoU损失函数提高长宽比失衡目标的拟合度。实验结果表明，改进的GELAN-C大小两种模型mAP50和mAP50-95分别为79.0%、50.4%、78.5%、50.2%，最终分别提升4.2、4.5、4.4、6.2个百分点，而参数量和计算量没有增加，实现了太阳能网版表面缺陷的实时高精度检测。

关键词：GELAN-C,辅助训练,重参数化,隐式相关性,ShapeIoU