融合多尺度特征与注意力的太阳能电池表面缺陷检测OA北大核心CSTPCD

为提高对太阳能电池电致发光(EL)成像各类表面缺陷的检测精度并降低漏检率,提出融合多尺度特征与注意力机制的太阳能电池表面缺陷检测算法CMFAnet。首先,针对太阳能电池表面缺陷尺度跨度大的特点,设计了增强型多尺度特征融合方法,其基本单元由特征对齐模块和特征融合模块串联组成,对于不同语义级别的特征信息,特征对齐模块通过调整它们的尺度,使这些特征更容易融合在一起;其次,针对太阳能电池表面缺陷特征与背景特征相似程度高、几何形状多变的特点,设计了可形变幽灵卷积模块,其基本单元由可形变卷积、多路坐标注意力机制和幽灵卷积(Ghost conv)组成,多路坐标注意力机制优化了可形变卷积中offset的生成,幽灵卷积机制的引入则有效降低了网络模型的计算复杂度。实验结果表明,在光伏电池缺陷异常检测数据集PVEL-AD上,本文方法的平均检测精度(mAP)达91.4%,相较其他主流目标检测网络均有不同程度的提升。