基于RFCARep-YOLOv8n的光伏电池缺陷检测算法OA北大核心

针对光伏电池缺陷图像存在目标遮掩、复杂背景以及人眼难以分辨的小目标缺陷等问题,提出一种基于感受野坐标注意力和重参数的YOLOv8n光伏电池缺陷检测算法,简记为RFCARep-YOLOv8n。提出一种基于感受野坐标注意力的重参数模块代替瓶颈模块进行特征提取,扩大对全局信息的关注度提高语义表达能力,抑制遮掩物和复杂背景的干扰;在快速空间金字塔池化后添加可分离大核聚集模块,通过提高长距离特征依赖增强全局特征信息融合;在特征融合部分使用多尺度序列特征融合颈部网络,结合多尺度辅助检测头,减少细节特征丢失,提高小目标缺陷检测能力。实验结果表明,该模型在PASCAL VOC数据集中较基准模型mAP@0.5和mAP@0.5:0.95分别提升2.3和2.1个百分点,同时在光伏缺陷数据集中mAP@0.5达到87.6%,较基准模型提升3.5个百分点,参数量为3.23×10^(6),保持了基准模型的轻量参数同时提高检测性能。