在使用YOLOv8-FSD的轻型光伏电池中检测缺陷的研究
Chao Chen1, Zhuo Chen1, Hao Li1
1School of Computer Science and Engineering, Sichuan University of Science & Engineering, Zigong 643000, China.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
本研究介绍了YOLOv8-FSD,这是用于光伏 (PV) 电池缺陷检测的轻量级模型. 它实现了高精度,降低了计算复杂性,为实时缺陷识别提供了高效的解决方案.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 计算机视觉 计算机视觉
背景情况:
- 目前的光伏电池表面缺陷检测方法存在高计算复杂性和低实时性能问题.
- 高效准确的缺陷检测对于提高太阳能电池质量和制造工艺至关重要.
研究的目的:
- 开发一种轻量级和高效的模型,用于检测光伏电池表面缺陷.
- 提高故障检测系统的实时性能和准确性.
主要方法:
- 根据YOLOv8架构提出了一个轻量级模型,YOLOv8-FSD.
- 集成FasterNet网络作为骨干,以减少计算复杂性和内存访问.
- 实现了带有混合卷积的薄结构和轻量级动态特征的升样操作员.
- 利用规则化的高斯分布距离损失函数来增强小缺陷的检测.
主要成果:
- 与原始算法相比,YOLOv8-FSD模型显示了更好的检测准确性.
- 显著减少了模型参数和计算要求的数量.
- 实现了光伏电池缺陷检测的高效,准确和轻量级性能.
结论:
- 拟议的YOLOv8-FSD为光伏电池表面缺陷检测提供了一个高效,准确和轻量级的解决方案.
- 该模型在计算效率和准确性方面的改进使其适用于太阳能电池制造中的实时应用.


