← 返回列表
一种光伏电池组件缺陷检测方法和系统
摘要文本
本发明涉及一种光伏电池组件缺陷检测方法和系统，其中，方法包括：步骤S1：获取关于光伏电池组件的图像数据；步骤S2：构建检测模型，检测模型基于YOLOv8‑nano构建，包括依次连接的Backbone模块、Neck模块和Head模块；在Backbone模块中加入EMA注意力机制，得到YOLOv8n‑EMA模型；步骤S4：通过最小化损失函数来训练所述YOLOv8n‑EMA模型，使所述YOLOv8n‑EMA模型收敛；步骤S5：利用收敛的YOLOv8n‑EMA模型对光伏电池组件的图像数据进行缺陷检测。本发明的YOLOv8n‑EMA模型提升了对缺陷特征学习的能力，进而提高了光伏电池组件缺陷检测的精度。
申请人信息
- 申请人:江南大学
- 申请人地址:214122 江苏省无锡市滨湖区蠡湖大道1800号
- 发明人: 江南大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种光伏电池组件缺陷检测方法和系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311807106.8 |
| 申请日 | 2023/12/26 |
| 公告号 | CN117764959A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 江南大学 |
| 发明人 | 周德强; 朱家豪; 徐皓; 盛卫锋; 左文娟; 张秋菊 |
| 地址 | 江苏省无锡市滨湖区蠡湖大道1800号 |
专利主权项内容
1.一种光伏电池组件缺陷检测方法，其特征在于：包括：步骤S1：获取关于光伏电池组件的图像数据；步骤S2：构建检测模型，所述检测模型基于YOLOv8-nano构建，包括依次连接的Backbone模块、Neck模块和Head模块，其中，所述Backbone模块用于提取多尺度特征，所述Neck模块用于将Backbone模块提取的多尺度特征进行融合，所述Head模块用于对Neck模块融合的多尺度特征进行回归预测；在所述Backbone模块中加入EMA注意力机制，得到YOLOv8n-EMA模型；步骤S3：通过最小化损失函数来训练所述YOLOv8n-EMA模型，使所述YOLOv8n-EMA模型收敛；步骤S4：利用收敛的YOLOv8n-EMA模型对光伏电池组件的图像数据进行缺陷检测。。微信公众号马克 数据网