关键词:
光伏板缺陷检测
实时检测
YOLOv5s
空间金字塔池化
轻量级注意力
摘要:
针对已有光伏板缺陷检测算法模型参数多、识别速度与精度难以取得较好平衡的问题,以YOLOv5s模型为基础,提出用于光伏板表面缺陷检测的轻量级网络LPV-YOLO。为降低模型的参数量,利用Ghost模块和Mish激活函数提出GhostMConv和C3MGhost模块,将其用于YOLOv5s模型中,实现骨干网络轻量化;提出一种融合SimAM注意力机制和空间金字塔池化层的注意力金字塔池化,在不增加参数和计算量的前提下,弥补骨干网络轻量化带来的精度丢失;在颈部网络中嵌入SE通道注意力模块,以提升模型对缺陷关键信息的捕捉能力。实验表明:与原始的YOLOv5s相比,改进后LPV-YOLO网络的参数量降低49%,体积减少46%,计算量减少50%,而mAP只下降0.6%,在可接受范围之内;在光伏板缺陷数据集上的mAP仍然能够达到93.8%,帧率可以达到70.42 FPS,满足实时性的要求;与YOLOv7、SSD300、RetinaNet等端到端网络相比,LPV-YOLO检测精度最优,模型参数量也最小。该模型在保持较高检测精度的同时,大幅降低了模型复杂度,可为采用资源有限的移动端设备进行光伏板缺陷检测提供一种有效的方法。