摘要
一种基于改进YOLOv8光伏电池表面缺陷检测方法,包括步骤:步骤一:制作数据集;步骤二:搭建EfficientVitBlock网络模型,构建基本的的卷积模块Conv,引入注意力机制SENet模块,替换YOLOv8模型原生的主干网络;步骤三:搭建Neck网络模型;步骤四:采用MPDIoU作为新边界回归损失函数替代原损失函数;步骤五:训练和验证评价指标:mAP平均精度均值;步骤六:将步骤一制作的数据集输入到改进之后的YOLOv8模型进行训练,得到光伏电池表面缺陷检测的模型;步骤七:根据运行之后的runs文件中的可视化图表对改进之后的模型进行评价与对比。本发明改进后的模型能在保持高准确度的同时减少计算复杂性和推理时间,进一步提高了网络的检测准确性能,同时减少计算成本。
技术关键词
光伏电池表面
缺陷检测方法
引入注意力机制
文件夹
可视化图表
卷积模块
子模块
特征融合方法
数据
训练集
线性
前馈神经网络
颈部结构
裂纹
标注软件
图像
分支
系统为您推荐了相关专利信息
人体动作识别方法
关节点
高斯金字塔
人体骨骼
时空兴趣点特征
金属板材表面
缺陷检测方法
表面缺陷检测
图像
样本
工业大数据
智能决策方法
智能决策系统
混合智能优化算法
模拟退火算法
特异性皮炎
图像分割方法
通用图像数据
训练卷积神经网络
图像数据预处理