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…查看全部>>
周颖;许士博;陈海永;刘坤
河北工业大学人工智能与数据科学学院,天津300130 河北省控制工程技术研究中心,天津300130河北工业大学人工智能与数据科学学院,天津300130河北工业大学人工智能与数据科学学院,天津300130 河北省控制工程技术研究中心,天津300130河北工业大学人工智能与数据科学学院,天津300130 河北省控制工程技术研究中心,天津300130
计算机与自动化
多尺度特征可形变卷积坐标注意力缺陷检测
《光学精密工程》 2024 (14)
P.2286-2298,13
国家自然科学基金(No.U21A20482,No.62173124)。
评论