PDF
摘要
为了解决现有传统的光伏板缺陷检测精度低、模型参数量大以及复杂背景检测时出现漏检和误检的问题,本文基于RT-DETR模型提出一种高效的光伏板缺陷检测算法。首先,为了提升检测精度,采用FREBlock主干增强特征提取能力同时还能提高检测效率。其次,设计CRDFP多尺度特征融合结构进一步增强特征融合能力。最后,引入可变形注意力机制DAttention,使模型能专注于相关区域的信息特征。实验结果表明,改进后的模型平均类别精度(ηmAP)效果达到79.2%,较传统模型提高3.6个百分点,参数量减少22.6%,运算量降低25.9%,表现出较高的实时检测能力。
关键词
深度学习
/
RT-DETR
/
光伏板
/
缺陷检测
/
多尺度特征融合
Key words
基于改进RT-DETR的光伏板缺陷检测[J].
广西师范大学学报(自然科学版), 2026, 44(2): 52-64 DOI:10.16088/j.issn.1001-6600.2025060302