一种基于改进YOLOv8的太阳能电池片表面缺陷检测方法及系统技术方案

本发明专利技术涉及数字图像技术领域，具体涉及一种基于改进YOLOv8的太阳能电池片表面缺陷检测方法及系统，方法包括：获取太阳能电池片图像，并进行预处理，得到太阳能电池片数据集；对YOLOv8模型从尺度特征、空间特征和泛化能力角度进行改进，得到改进后的YOLOv8模型；将训练集放入到改进后的YOLOv8模型中进行训练，得到太阳能电池片缺陷检测模型；使用太阳能电池片缺陷检测模型对太阳能电池片进行缺陷检测，得到缺陷检测结果。通过本发明专利技术，有效解决了现有方案缺陷检测精确度不足的问题，从尺度特征、空间特征和泛化能力的角度，全面提高了模型的敏感性，增强了缺陷检测的精确性。

【技术实现步骤摘要】

本专利技术涉及数字图像，具体涉及一种基于改进yolov8的太阳能电池片表面缺陷检测方法及系统。

技术介绍

1、由于太阳能电池片制作工艺复杂，在制作流程过程中极易出现划痕、叉隐、黑点、无电等4种缺陷，这些缺陷的存在极大降低了太阳能电池片转换效率，太阳能电池片上存在这些缺陷也会缩短太阳能电池片的寿命，因此出厂前对太阳能电池片表面的缺陷进行检测尤为重要。

2、目前，基于深度学习的目标检测算法包括两种，一种是两阶段目标检测算法，对于两阶段目标检测算法首先通过算法来生成一些样本候选框，之后在通过卷积神经网络进行样本分类。常见的两阶段目标检测的算法有r-cnn、faster-r-cnn等等，另一种是一阶段目标检测算法，此算法直接将目标定位的问题转化成回归问题，与两阶段目标检测的区别在于不需要候选框，比较常见的一阶段目标检测算法有yolo系列、ssd等，现在的网络虽然可以运用在太阳能电池片缺陷检测，但其精确度还有很大的提高空间。

3、公开于该
技术介绍
部分的信息仅仅旨在加深对本公开总体
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成本领本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8的太阳能电池片表面缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于改进YOLOv8的太阳能电池片表面缺陷检测方法，其特征在于，获取太阳能电池片图像，并进行预处理，得到太阳能电池片数据集，包括：

3.根据权利要求2所述的基于改进YOLOv8的太阳能电池片表面缺陷检测方法，其特征在于，对YOLOv8模型从尺度特征、空间特征和泛化能力角度进行改进，包括：

4.根据权利要求3所述的基于改进YOLOv8的太阳能电池片表面缺陷检测方法，其特征在于，改进YOLOv8模型的Neck模块，添加EMA自适应注意力机制，包括...

【技术特征摘要】

1.一种基于改进yolov8的太阳能电池片表面缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于改进yolov8的太阳能电池片表面缺陷检测方法，其特征在于，获取太阳能电池片图像，并进行预处理，得到太阳能电池片数据集，包括：

3.根据权利要求2所述的基于改进yolov8的太阳能电池片表面缺陷检测方法，其特征在于，对yolov8模型从尺度特征、空间特征和泛化能力角度进行改进，包括：

4.根据权利要求3所述的基于改进yolov8的太阳能电池片表面缺陷检测方法，其特征在于，改进yolov8模型的neck模块，添加ema自适应注意力机制，包括：

5.根据权利要求3所述的基于改进yolov8的太阳能电池片表面缺陷检测方法，其特征在于，改进yolov8模型中...

【专利技术属性】
技术研发人员：朱栋，胡伟笑，
申请(专利权)人：常州大学，
类型：发明
国别省市：