基于轻量型神经网络的太阳能电池缺陷检测方法技术

本发明专利技术为基于轻量型神经网络的太阳能电池缺陷检测方法，该方法搭建的表面缺陷检测模型以轻量型注意力YOLOv5网络基础，由输入端、骨干网络、特征增强部分和输出端组成；输入端用于数据增强，骨干网络由Shufflenetv2网络和全局上下文信息模块构成，Shufflenetv2网络首先将特征图进行一次卷积、批归一化、ReLU激活函数、池化操作，然后依次交替进入空间下采样单元和基本单元组成的阶段模块中，重复三次，获得最终的输出特征图；特征增强部分由特征金字塔和路径增强网络组成，采用自下而上和自上而下的路径对信息作进一步的融合增强；输出端用于计算模型的训练损失。该模型的参数量少，降低模型的计算复杂度，能够在移动端部署。能够在移动端部署。能够在移动端部署。

【技术实现步骤摘要】
基于轻量型神经网络的太阳能电池缺陷检测方法


[0001]本专利技术涉及图像缺陷检测
，具体涉及一种基于轻量型神经网络的太阳能电池缺陷检测方法。

技术介绍

[0002]太阳能电池是一种通过吸收太阳光，将太阳辐射能通过光电效应或者光化学效应直接或间接转换成电能的电池。太阳能电池在生产和运输过程中，不可避免地会对电池造成损失，导致表面缺陷，常见的缺陷类型主要有粗线、断栅、漏浆、色差、脏片、划痕等。由于电池大多采用阵列安装方式，某一小块电池的缺陷可能会造成整块电池性能的下降，因此，在生产过程中太阳能电池表面检测缺陷具有重要作用。密集的栅线被布置在太阳能电池上，在表面形成规则纹理，这给表面缺陷检测带来了很大的困难。目前，大多数的太阳能电池生产厂主要采用人工检测方式，依靠工作人员的视觉判断，人工检测方式不仅容易造成肉眼疲劳，还会受到人为主观因素的影响，造成误判。
[0003]随着计算机视觉技术的发展以及算力的提升，计算机视觉技术被广泛应用于各行各业，计算机视觉技术不仅能够解决人工检测方式的不足，还可以提高产品的生产效率和优品率。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轻量型神经网络的太阳能电池缺陷检测方法，其特征在于，该方法包括以下步骤：第一步：图像预处理1)建立太阳能电池缺陷图像库：首先使用工业相机获取太阳能电池缺陷图像，然后将缺陷图像进行旋转、平移、对比度加深等操作得到预处理图像，最后对缺陷图像和预处理图像进行尺寸归一化操作，得到大小一致的图像，建立为太阳能电池缺陷图像库；2)数据集制作：在太阳能电池缺陷图像库中以随机选取的方式选取训练集，验证集和测试集。对训练集、验证集和测试集中的每个图像分别进行标注，添加缺陷类型和缺陷位置信息；第二步、搭建表面缺陷检测模型；表面缺陷检测模型以轻量型注意力YOLOv5网络基础，由输入端、骨干网络、特征增强部分和输出端组成；骨干网络由Shufflenetv2网络和全局上下文信息模块构成，Shufflenetv2网络首先将特征图进行一次卷积、批归一化、ReLU激活函数、池化操作，然后依次交替进入空间下采样单元和基本单元组成的阶段模块中，重复三次，...

【专利技术属性】
技术研发人员：王如意，周颖，陈海永，袁梓桐，颜毓泽，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：