-
题名基于RD-YOLO的光伏组件表面缺陷检测方法
- 1
-
-
作者
周宇辉
张杰
康玉浩
刘宝
-
机构
中煤西安设计工程有限责任公司
-
出处
《科学技术与工程》
2025年第31期13464-13472,共9页
-
基金
陕西省重点研发计划(2021GY-131)
中煤西安设计工程有限责任公司项目(XMSHT*KC-KY-SMGF-00-24-020)。
-
文摘
随着光伏发电技术的快速发展,光伏组件缺陷检测对电站运维效率及能源安全至关重要,然而传统的检测方法在处理航拍图像时易受多尺度特征模糊与微小目标漏检的局限,难以满足高精度、实时化的工程需求。针对上述问题,提出了一种基于YOLOv8(you only look once v8)的优化模型RD(recursive depthwise)-YOLO,该模型通过引入多尺度通道挤压激励模块(multi-scale channel squeeze-and-excitation network,MultiSENet),增强了对多尺度特征的捕捉能力;同时结合递归深度可分离卷积注意力模块(recursive depthwise separable convolutional block attention module,RDCBAM)优化通道信息,提升模型对于小目标的检测精度。通过自制数据集进行实验测试,结果表明,RD-YOLO相较于传统检测模型,精度和效率均有显著提升。
-
关键词
光伏组件
缺陷检测
多尺度特征
递归深度可分离卷积
-
Keywords
photovoltaic modules
defect detection
multi-scale features
recursive depthwise separable convolution
-
分类号
TP29
[自动化与计算机技术]
-
