基于多尺度特征融合的光伏组件缺陷检测

来源：计算机工程与应用杂志2024年第3期北京时间：

作者：田浩, 周强, 贺晨龙

单位：陕西科技大学 电气与控制工程学院，西安 710000

摘要：针对光伏组件缺陷背景复杂，缺陷尺度差异较大，小目标缺陷较多等传统目标检测算法无法解决的问题，提出了一种基于多尺度特征融合的光伏组件缺陷检测算法。算法以YOLOv5s为框架，在主干网络中嵌入坐标注意力机制，用于提取重要的缺陷形态，增强网络特征提取能力；在颈部网络中使用双向特征金字塔，以自适应权重的方式融合不同尺度的图像特征；在预测层添加微小目标检测层，并结合ASFF检测头自适应融合不同输出层，减少目标特征信息丢失。在光伏组件数据集上进行验证，实验表明改进后的算法可以快速精准识别缺陷，其中mAP达到了91.9%，召回率达到了90.8%，相比于YOLOv5s网络，mAP和召回率分别提升了3.2、4.5个百分点。

关键词：光伏组件,YOLOv5,缺陷检测,特征融合