-
题名基于改进YOLOv5s网络的光伏组件缺陷检测方法
- 1
-
-
作者
任喜伟
余杰
韩欣
李兆允
杨梦璐
何立风
-
机构
陕西科技大学电子信息与人工智能学院
陕西省人工智能实验室(陕西科技大学)
-
出处
《太阳能学报》
北大核心
2025年第3期428-434,共7页
-
基金
国家自然科学基金(61971272)
陕西科技大学科研启动基金(2020BJ-01)
陕西科技大学2023年大学生创新创业训练计划(S202310708131)。
-
文摘
鉴于光伏组件排列密集,缺陷目标较小,难以检测维护,直接影响光伏组件发电效率,提出一种改进YOLOv5s网络的光伏组件缺陷检测方法。首先,针对光伏组件红外图像中缺陷尺寸特性,使用K-均值++算法对缺陷目标重新聚类,确定合适的锚框大小,使其聚类锚框更符合小目标特征;然后,使用简化BiFPN融合更多的特征,在融合之前添加一个多通路残差连接模块,提高对小目标光伏缺陷的敏感度;其次,将YOLOv5s骨干网络进行融合,简化网络结构,减少下采样次数,提高图像分辨率以及丰富小目标特征信息;之后,将S_(IoU)损失函数引入到YOLOv5s架构中,提高网络性能,让网络部署到小型、轻量化设备;最后,将改进的YOLOv5s网络在自建的光伏组件红外图像缺陷数据集进行测试。实验结果表明,改进的YOLOv5s网络光伏组件缺陷检测方法优于对比方法,相比于原始网络,改进网络的m_(AP@0.5)提高1.7%,每秒帧率达到46.3,完全满足光伏组件缺陷检测过程中的实际需求。
-
关键词
缺陷检测
YOLOv5s
损失函数
小目标增强
光伏组件
红外图像
-
Keywords
defect detection
YOLOv5
loss function
small object enhancement
photovoltaic module
infrared images
-
分类号
TK511
[动力工程及工程热物理—热能工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
