摘要
本发明属于计算机视觉领域,涉及一种基于改进YOLOv8的轻量式光伏电池板缺陷检测方法,包括:获取待检测的光伏电池板缺陷图像,将图像输入到FasterNet主干网络进行多尺度特征提取;将多尺度特征输入到特征融合模块中进行融合,得到融合特征图;将融合特征图输入到目标检测模块中,得到检测结果;所述输出模块用于对检测结果进行输出;本发明通过改进YOLOv8的主干网络和特征融合模块,在计算复杂度、检测精度和实时性等方面相较现有技术具有显著优势,尤其在处理多尺度缺陷、提高精度和增强鲁棒性方面表现突出,能够有效解决现有技术中的计算复杂度高、精度不足以及多尺度缺陷处理能力差的问题。
技术关键词
光伏电池板
缺陷检测方法
多尺度特征提取
融合特征
分支
特征提取网络
深层特征提取
多尺度池化
输出模块
原始图像数据
多阶段
置信度阈值
抑制算法
计算机视觉
复杂度
系统为您推荐了相关专利信息
超分辨率重构
神经网络模型
视频帧
生成器网络
感知损失函数
缺陷分类方法
分支单元
相似性度量函数
图像
多尺度特征融合
自动化识别方法
融合多模态特征
形态学特征
血流
图像
图像识别模型
生态
健康状态识别
特征提取网络
重构