太阳能电池片检测替换

针对太阳能电池片表面缺陷检测存在模型体积大和检测性能不达标的问题,提出了一种轻量化YOLOX-S检测模型用于工业生产.首先以YOLOX-S模型为基础,采用轻量级网络MobileNe 王淑青, 朱文鑫, 张子言, - 《激光杂志》 针对传统视觉方法的太阳能电池片表面缺陷检测效率低,种类少的问题,提出一种能高效识别太阳能电池片表面多种缺陷的神经网络模型.首先在YOLOv5

2023年12月30日 · 为解决传统太阳能电池片表面缺陷检测方法存在的检测精确度低、速度慢、检测缺陷类型单一的问题,提出一种基于改进YOLOv7的太阳能电池片表缺陷检测算法.首先,在YOLOv7网络模型的基础上引入Swin Transformer模块,以增强模型的全方位局信息建模;其次,引入Shuffle

2024年9月16日 · 针对太阳能电池片缺陷检测中存在检测精确度低、误检和漏检率高的问题,本文在深度学习模型YOLOv8的基础上进行优化与改进,提出了一种太阳能电池片电致成像(electroluminescent, EL)缺陷检测模型。

2024年2月27日 · 针对太阳能电池片缺陷检测方法存在精确度低的问题,提出一种基于改进的YOLOv5s太阳能电池片表面缺陷检测算法。 首先,为了解决电池片小目标缺陷检测问题,提出了上下文Transformer网络（CoT）,可以为小目标提供全方位局上下文信息,帮助模型更好地预测小目标。

2024年11月27日 · 针对太阳能光伏电池板缺陷检测的数据集,我们可以使用YOLOv8模型进行训练和评估。 以下是详细的步骤和代码示例,帮助你完成这个任务。 1.

2023年6月1日 · 针对太阳能电池板现场图像模糊,不易进行缺陷检测的问题,本文提出一种基于图像预处理和改进的VGG-19网络的轻量级太阳能电池板故障诊断系统。 首先,我们使用 Daubechies 4(DB4) 小波和基于形态学的增强来提高太阳能电池板图像的质量。

2024年6月12日 · 为提高太阳能电池板缺陷的检测精确确,提出了一种改进的 YOLOv5 网络,对太阳能电池板常见的划痕、叉隐、黑斑、黑 边以及无电等5类主要缺陷进行检测和分类。

2022年7月6日 · 试验结果表明,改进的模型能对太阳能电池片的多种表面缺陷进行有效识别,检测精确度较高,耗时较少,对太阳能电池片表面质量规范有实际应用价值。

2022年12月31日 · PSCDE-Dataset是一个用于多晶硅太阳能电池缺陷分割的高质量数据集。 该数据集通过电致发光成像技术收集了700张具有挑战性的缺陷图像,分辨率为512×512,包括多尺度缺陷、遮挡缺陷、密集微小缺陷、低对比度缺陷和组合缺陷等。

针对太阳能电池板缺陷检测精确度低、检测速度慢、模型体积大的问题,提出一种改进YOLOv4的检测模型。首先,采用GhostNet替换YOLOv4中CSPDarknet-53实现模型轻量化；其次,在模型结构中引入深度可分离卷积进一步减少模型参数,提升模型快速性