细粒度特征增强与尺寸匹配的光伏缺陷检测

摘要

针对光伏场站无人机巡检场景中，电池面板缺陷目标成像过小导致的漏检和误检问题，提出一种针对光伏电池板的高精度缺陷检测方法。根据无人机巡检中目标尺寸的分布特征，采用细粒度特征增强与尺寸匹配相结合的策略，提高光伏缺陷小目标检测精度。与传统样本数据增强、多尺度学习和特征增强等增强小目标策略不同，引入细节保留语义信息增强模块，在保留细粒度信息的同时，挖掘相关粗粒度语义细节。引入锚点-预测头匹配多尺度检测策略，确保锚点与特征图的尺寸匹配。本研究方法在PVEL-AD数据集上均值平均精度达到59.4%,在CARPK数据集上均值平均精度达到97.6%,对比主流目标检测模型，光伏缺陷目标检测性能显著提高。

关键词

小目标检测 / 实时目标检测 / 缺陷检测 / 特征增强 / 尺寸匹配

基金资助

国家社科基金资助项目(21&ZD102); 国家自然科学基金资助项目(72132007)