摘要
多晶硅切割机是硅电池片的核心生产设备,其机腔内的金刚线跳线严重影响硅棒切割效率,甚至引发停机事故。金刚线跳线的样本数量有限、目标尺寸小以及背景复杂等特点,导致传统的图像类目标检测方法失效。为解决上述问题,提出一种基于小样本的多晶硅切割机金刚线跳线检测算法。首先,提出一种基于梯度变化的数据增强算法,扩充样本数量,解决跳线样本不足的问题;然后,引入Extra DW结构,对YOLOv8n中的C2f模块进行改进,减少模型的参数量和计算量,增强模型对跳线与背景噪声的区分能力;最后,在Neck部分引入CBAM注意力模块,使网络能更有效地提取并融合跳线特征。实验结果表明,与YOLOv8n算法相比,所提算法的参数量减少了24.1%、计算量减少了约6%,FPS提高了3.99帧/s,准确率、召回率和mAP分别提升了5.3个百分点、7.2个百分点和3.0个百分点,实现了金刚线跳线的高效检测。
出处
《物联网技术》
2025年第12期116-120,共5页
Internet of things technologies
基金
国家自然科学基金资助项目(62003054)。
