基于多尺度特征融合SSDLite的光伏组件缺陷检测

作     者：项新建 汤卉 肖家乐 王世乾 张颖超 王磊 Xiang Xinjian;Tang Hui;Xiao Jiale;Wang Shiqian;Zhang Yingchao;Wang Lei

作者机构：浙江科技学院自动化与电气工程学院杭州310023 杭州申昊科技股份有限公司杭州311121 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2025年第46卷第1期

页      面：669-675页

核心收录：

学科分类：080703[工学-动力机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

主　　题：光伏组件 目标检测 深度学习 SSDLite 多层特征融合 MobileNetV2 

摘      要：为了应对光伏组件缺陷检测中人工检测速度缓慢以及使用YOLO等深度学习模型时速度较慢且硬件成本高的问题,提出一种基于SSDLite的多层特征融合轻量化目标检测方法。该方法采用MobileNetV2作为SSDLite模型的骨干网络,并从中提取3个不同层次的特征层进行特征融合。针对不同缺陷的尺寸特点,对模型中的先验框的大小也进行了重新设计。在MobileNetV2的瓶颈结构中引入CBAM注意力机制,以提高模型的检测精度。相比传统的SSDLite模型,该文模型平均精度从65.8%提高至72.4%,虽然速度略微下降,但已基本满足实际应用的需求。