摘要
本发明公开了一种基于YOLOv11‑MSFF模型的光伏EL缺陷检测方法,包括:1利用高分辨率CCD相机捕捉光伏组件在近红外光下的图像并构成EL图像集;2构建YOLOv11‑MSFF模型,依次包括特征提取网络、特征融合网络以及预测网络,并对EL图像进行处理,得到图像的类别预测标签以及位置预测标签;3构建损失函数并利用SGD优化器对模型进行迭代训练,直到总损失函数收敛为止,从而得到训练好的EL图像缺陷检测模型,用于对EL图像中的缺陷进行检测。本发明通过引入局部特征提取模块、可变形注意力机制和优化的特征融合网络,显著提升了模型对光伏组件表面缺陷的检测效果。
技术关键词
EL缺陷检测方法
融合特征
局部特征提取
拼接模块
卷积模块
特征融合网络
图像缺陷检测模型
卷积特征
上采样
空间金字塔池化
尺寸
特征提取网络
标签
缺陷预测
注意力
CCD相机
光伏组件表面
系统为您推荐了相关专利信息
钢板表面缺陷分类方法
金字塔网络
注意力
特征金字塔
全局平均池化
动态情感识别方法
时域特征提取
频域特征提取
情感识别模型
序列
点云语义分割方法
注意力机制
上下文特征
邻域特征
局部特征提取
图像训练样本
模型优化方法
傅里叶变换处理
图像增强模块
检测损失