马巴VSS-YOLOv11n:国家空间模型增强的光伏模块电解发光的多缺陷检测图像

科学领域:

• 可再生能源系统可再生能源系统
• 材料科学与工程 材料科学与工程
• 人工智能和机器学习

背景情况:

• 全球对可持续能源的需求不断增长,需要在太阳能光伏 (PV) 发电方面取得进展.
• 缺陷的光伏模块会降低功率转换效率和运行寿命,影响整体系统可靠性.
• 在光伏模块制造过程中,准确高效的缺陷检测对于确保产品质量至关重要.

研究的目的:

• 为光伏模块开发一种先进的基于电子发光 (EL) 图像的多缺陷检测方法.
• 解决现有模型在EL图像中检测小物体和复杂背景方面的局限性.
• 为实时检查光伏生产线缺陷提供轻量级但准确的解决方案.

主要方法:

• 拟议的MambaVSS-YOLOv11n模型整合了Mamba的视觉状态空间 (VSS) 模块和优化的C3k2瓶结构.
• 利用了692张标记EL图像的数据集,涵盖了六种缺陷类型:破门,冷接头,黑斑,划痕,微裂和吸入标记.
• 采用了空间到深度卷积 (SPD-Conv) 层以实现高效的下采样和内部面罩距离处罚的交叉点在欧盟 (内部-MDPIoU) 损失函数以提高准确性.

主要成果:

• 与YOLOv11n相比,MambaVSS-YOLOv11n实现了参数减少18.1%,证明了模型的轻量化.
• 提高了检测性能,mAP@0.5达到0.869和mAP@0.5:0.95达到0.637.
• 该模型有效地减轻了小物体和复杂背景的影响,提高了检测准确度.

结论:

• MambaVSS-YOLOv11n提供了一种轻量级和高性能解决方案,用于在光伏模块EL图像中检测多个缺陷.
• 拟议的方法显著提高了用于光伏制造质量控制的检测精度和计算效率.
• 这项技术支持光伏制造商实现实时,可靠的缺陷检查,为能源转型做出贡献.