YOLO-SCD——多晶硅太阳能电池片缺陷的识别与分割
Abstract
多晶硅太阳能电池片成本较低，利于普及。但其内部绒丝较多，在线检测困难，通过研究深度网络通道运算特性，在YOLOv8的基础上提出了改进的YOLO-SCD（you only look once- solar cell defects）网络。在骨干网络中，以通道混洗操作代替密集卷积操作，在轻量化网络的同时增强通道之间的信息交流；通过引入注意力模块增强网络对关键特征的学习能力。在颈部网络中，以多通道乘法代替层间的加法操作，提出C2f_star模块，增强网络拟合数据的能力；提出部分卷积下采样模块，以部分卷积操作来减少特征图冗余信息以达到轻量化网络的目的。YOLO-SCD对多晶硅太阳能电池板缺陷的检测精度达到了0.970，分割精度达到了0.962，模型权重只有5.7 MB，并且帧速（frame per second,FPS）达到了90.03。最后，通过对比实验表明，YOLO-SCD在具有高识别精度的同时更加适合移动端部署。
Fields of Study & Subjects
Industrial Vision Systems and Defect Detection
Advanced Neural Network Applications
Infrastructure Maintenance and Monitoring
Publication details
- Journal / source
- Journal of Applied Optics
- Volume
- 47
- Issue
- 1
- Pages
- 156–168
- Publication date
- 1 January 2026
- Language
- EN