基于改进YOLOv8模型的光伏板EL缺陷检测方法技术

本发明专利技术涉及图像识别和深度学习技术领域，尤其涉及基于改进YOLOv8模型的光伏板EL缺陷检测方法，包括获取光伏板缺陷图像，构建光伏板缺陷图像数据集；构建改进YOLOv8模型，将Backbone主干网络替换成VanillaNet网络，VanillaNet网络的stem1使用一个卷积核为4×4，步幅为4的卷积层，stem2使用一个卷积核为1×1，步幅为1的卷积层和3个stage层；利用光伏板缺陷图像数据集对改进YOLOv8模型进行训练，实现光伏板缺陷检测。本发明专利技术现有方法存在光伏板缺陷检测准确性不高、检测速度慢的问题。

【技术实现步骤摘要】

本专利技术涉及图像识别和深度学习，尤其涉及基于改进yolov8模型的光伏板el缺陷检测方法。

技术介绍

1、光伏板是一种能够将太阳光转化为电能的设备，当光伏板存在缺陷时，可以导致光伏板的能量转换效率下降，缩短光伏板的寿命，导致局部过热增加火灾的风险等危害；为了最大程度地减少这些危害，需要对光伏板进行缺陷检测，确保高效运行，延长寿命，进行安全可靠的能源生产。

2、通常光伏板的缺陷不易通过肉眼分辨，一般需要特殊成像技术来凸显缺陷，常见的光伏板缺陷检测成像技术采用电致发光成像el技术，通过对光电池施加正向偏压，此时产生的光(主要是近红外光)强度与电压成正比，光伏模块中电气不活跃的地方在el图像上就会呈现出阴影，这些阴影就是光伏板的缺陷部分，但使用el检测技术的具有专业性已经专业设备的成本高。

3、采用深度学习技术利用目标检测来检测电池缺陷，避免繁琐复杂的图像预处理以及人工提取特征的操作，适应不同场景、不同类型的缺陷，从而能够提高检测准确率、鲁棒性以及实时性。

4、公开号为cn113989241a的专利，先对光伏组件进行预分割，本文档来自技高网...

【技术保护点】

1.基于改进YOLOv8模型的光伏板EL缺陷检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于改进YOLOv8模型的光伏板EL缺陷检测方法，其特征在于，步骤二还包括：

3.如权利要求1所述的一种基于改进YOLOv8模型的光伏板EL缺陷检测方法，其特征在于，将改进YOLOv8模型的Neck部分Conv模块替换为可变核卷积模块。

4.如权利要求1所述的一种基于改进YOLOv8模型的光伏板EL缺陷检测方法，其特征在于，将改进YOLOv8模型的CIOU损失函数替换为WIoU_v3损失函数。

5.如权利要求1所述的一种基于改进YOL...

【技术特征摘要】

1.基于改进yolov8模型的光伏板el缺陷检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于改进yolov8模型的光伏板el缺陷检测方法，其特征在于，步骤二还包括：

3.如权利要求1所述的一种基于改进yolov8模型的光伏板el缺陷检测方法，其特征在于，将改进yolov8模型的neck部分conv模块替换为可变核卷积模块。

4.如权利要求1所述的一种基于改进yolov8模型的光伏板el缺陷检测方法，其特征在于，将改进yolov8模型的ciou损失函数替换为wiou_v3损失函数。

5.如权利要求1所述的一种基于改进yolov8模型的光伏板el缺陷检测方法，其特征在...

【专利技术属性】
技术研发人员：戴国洪，杭峻宇，陈从平，陈奔，李明春，
申请(专利权)人：常州大学，
类型：发明
国别省市：