一种基于改进YOLOv5的太阳能电池板缺陷检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于改进YOLOv5的太阳能电池板缺陷检测方法及装置，所述方法包括步骤：收集包含太阳能电池板缺陷的样本数据以构建数据集；对构建的数据集进行数据增强；搭建并训练PV‑YOLO网络模型；利用训练完成的PV‑YOLO网络进行太阳能电池板缺陷检测。本发明专利技术以YOLOv5为基础，结合有效注意力模块、解耦头和添加的额外预测分支，在网络参数没有大量增加的情况下提升了检测精度。可以帮助企业进行太阳能电池板缺陷的自动检测，提高其生产效率，降低错检和漏检率。

【技术实现步骤摘要】

本专利技术属于太阳能电池板缺陷检测，尤其涉及一种基于改进yolov5的太阳能电池板缺陷检测方法及装置。

技术介绍

1、太阳能作为绿色无污染的可再生能源正受到日益广泛的关注且被广泛应用。作为太阳能的发电载体，太阳能电池也得到了大规模的应用。太阳能电池板电致发光测试技术因具有操作简便、检测速度快、成本较低等优点而成为目前光伏行业常用的缺陷检测技术之一。由于太阳能电池在生产过程中可能会产生断栅、隐裂等缺陷，而这些缺陷对电池的转换效率和使用寿命有着严重的影响，严重时将危害太阳能电池组件甚至整个光伏发电系统的稳定性，因此缺陷检测是太阳电池生产过程中的重要环节。

2、长期以来，机器学习方法被应用于缺陷检测任务，然而传统的机器学习方法虽然能够提取特征并分类，但其准确性以及鲁棒性还有待提升。随着样本数据的增多，出现了许多基于卷积神经网络的检测器，如rcnn、faster-rcnn、yolo等。为了迎合实际，yolo算法因其能够兼顾检测速度与精度而被广泛使用在工业生产中。

3、现有的基于深度学习的目标检测算法，例如yolov5，运用了大量的卷积操作来本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5的太阳能电池板缺陷检测方法，其特征在于，包括：

2.如权利要求1所述的太阳能电池板缺陷检测方法，其特征在于，所述Backbone部分包括CBS模块、CSP模块和SPP模块；所述CBS模块包含3x3的卷积、批标准化和ReLU激活函数；所述CSP模块将来自其前一模块的特征图拆成两个部分，一部分进行卷积操作，另一部分和卷积操作的结果进行concate合并操作；所述SPP模块为最大池化层。

3.如权利要求2所述的太阳能电池板缺陷检测方法，其特征在于，所述Backbone部分包括依次连接的四组CBS模块和CSP模块的组合模块，第一组合模块中的CB...

【技术特征摘要】

1.一种基于改进yolov5的太阳能电池板缺陷检测方法，其特征在于，包括：

2.如权利要求1所述的太阳能电池板缺陷检测方法，其特征在于，所述backbone部分包括cbs模块、csp模块和spp模块；所述cbs模块包含3x3的卷积、批标准化和relu激活函数；所述csp模块将来自其前一模块的特征图拆成两个部分，一部分进行卷积操作，另一部分和卷积操作的结果进行concate合并操作；所述spp模块为最大池化层。

3.如权利要求2所述的太阳能电池板缺陷检测方法，其特征在于，所述backbone部分包括依次连接的四组cbs模块和csp模块的组合模块，第一组合模块中的cbs模块用于接收模型输入数据，第四组合模块中的csp模块用于连接spp模块。

4.如权利要求1所述的太阳能电池板缺陷检测方法，其特征在于，所述pv-yolo网络通过backbone部分将输入的图像下采样操作至64倍后，通过spp模块将提取到的特征送入neck部分进行特征融合；在neck部分，选择下采样倍数为8、16、32、64的特征图送入head部分。

5.如权利要求1所述的太阳能电池板缺陷检测方法，其特征在于，所述检测分支包括相互连接的有效注意力模块eca...

【专利技术属性】
技术研发人员：胡伟，金鑫，罗言红，毕向彬，
申请(专利权)人：天合光能宿迁科技有限公司，
类型：发明
国别省市：