为了实现光伏硅片的缺陷类型的准确检测,提出一种基于改进YOLOv5(you only look once vison 5)的光伏硅片缺陷检测方法。首先对工厂生产的光伏硅片图像进行预处理,主要是给图片打上标签,制作成数据集。接着将其在YOLOv5s、YOLOv5m、YOLO...为了实现光伏硅片的缺陷类型的准确检测,提出一种基于改进YOLOv5(you only look once vison 5)的光伏硅片缺陷检测方法。首先对工厂生产的光伏硅片图像进行预处理,主要是给图片打上标签,制作成数据集。接着将其在YOLOv5s、YOLOv5m、YOLOv5n三种YOLOv5神经网络进行中训练,在测试集中进行验证,比较各神经网络的效果。最后针对光伏硅片斑点型缺陷效果不佳的问题,在神经网络中添加小目标检测层和SE注意力模块实现对光伏硅片斑点类型缺陷的准确检测,由实验结果可得,查准率高达97.4%,查全率高达97.8%,平均每张图片检测时间仅为21 ms。展开更多
文摘为了实现光伏硅片的缺陷类型的准确检测,提出一种基于改进YOLOv5(you only look once vison 5)的光伏硅片缺陷检测方法。首先对工厂生产的光伏硅片图像进行预处理,主要是给图片打上标签,制作成数据集。接着将其在YOLOv5s、YOLOv5m、YOLOv5n三种YOLOv5神经网络进行中训练,在测试集中进行验证,比较各神经网络的效果。最后针对光伏硅片斑点型缺陷效果不佳的问题,在神经网络中添加小目标检测层和SE注意力模块实现对光伏硅片斑点类型缺陷的准确检测,由实验结果可得,查准率高达97.4%,查全率高达97.8%,平均每张图片检测时间仅为21 ms。
