面向边缘设备的EL图像光伏电池缺陷检测模型

摘要

针对现有模型复杂度高、难以实时应用的问题，提出一种针对电致发光(EL)图像的轻量高效光伏电池缺陷检测器(PVDet)模型.首先针对主干，采用更轻量高效的下采样模块，并设计新的特征提取模块，减少网络参数的同时提升对不同尺度信息的敏感度.然后，为增强网络主干和颈部连接处的信息交互，提出新的特征金字塔池化结构，增加感受野的同时进一步提高分类性能.最后，采用轻量动态采样，提升模型的上采样效果.在公共EL图像数据集PVEL-AD上的实验结果表明，所提出的PVDet模型仅需2.0×10～5的参数和5.0×10～8的浮点运算次数就可达到89.4%的精度.与最新的YOLO11模型相比，PVDet模型的参数量和浮点运算次数减少将近92%,并且在速度上优于其他主流的YOLO模型，满足工业边缘设备部署的需求.

关键词

光伏电池 / 电致发光图像 / 缺陷检测 / 动态采样 / 实时应用

基金资助

国家自然科学基金资助项目(62271151); 福建省自然科学基金资助项目(2021J01580); 福建省科技厅引导性基金资助项目(2022H0008)