改进的YOLOv5s太阳能电池片缺陷检测算法OA北大核心CSTPCD
针对太阳能电池片缺陷检测方法存在精度低的问题,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局上下文信息,帮助模型更好地预测小目标。其次,将CBAM注意力加入到Head部分的C3模块,能够更好地捕捉输入特征图的重要通道和空间位置,提高模型的性能和鲁棒性。接着,使用轻量级的通用上采样算子CARAFE减少上采样过程中特征信息的损…查看全部>>
彭雪玲;林珊玲;林志贤;郭太良
福州大学先进制造学院,福建泉州362252 中国福建光电信息科学与技术实验室,福建福州350116福州大学先进制造学院,福建泉州362252 中国福建光电信息科学与技术实验室,福建福州350116福州大学先进制造学院,福建泉州362252 中国福建光电信息科学与技术实验室,福建福州350116中国福建光电信息科学与技术实验室,福建福州350116
计算机与自动化
太阳能电池片YOLOv5s上下文Transformer网络CARAFE损失函数
《液晶与显示》 2024 (2)
P.237-247,11
国家重点研发计划(No.2021YFB3600603)福建省自然科学基金(No.2020J01468)国家自然科学基金青年科学基金(No.62101132)。
评论