针对光伏板检测提取精度问题,提出一种改进的SSD和ResNet的光伏板检测与分类算法。为了提升SSD算法检测精度,在其主干网络VGG16中融合CBAM注意力机制,从而增强算法的多尺度特征提取能力,针对光伏板的形状特征,重新设计了网络中默认框的...针对光伏板检测提取精度问题,提出一种改进的SSD和ResNet的光伏板检测与分类算法。为了提升SSD算法检测精度,在其主干网络VGG16中融合CBAM注意力机制,从而增强算法的多尺度特征提取能力,针对光伏板的形状特征,重新设计了网络中默认框的长宽比;在ResNet算法每个残差结构中嵌入SENet(Squeeze and Excitation)通道注意力模块,提升模型特征提取能力。结果表明,改进后SSD算法检测精度更高,模型训练速度更快;改进后ResNet模型在光伏表面缺陷数据集上分类准确率较原算法有了很大提升。展开更多
文摘针对光伏板检测提取精度问题,提出一种改进的SSD和ResNet的光伏板检测与分类算法。为了提升SSD算法检测精度,在其主干网络VGG16中融合CBAM注意力机制,从而增强算法的多尺度特征提取能力,针对光伏板的形状特征,重新设计了网络中默认框的长宽比;在ResNet算法每个残差结构中嵌入SENet(Squeeze and Excitation)通道注意力模块,提升模型特征提取能力。结果表明,改进后SSD算法检测精度更高,模型训练速度更快;改进后ResNet模型在光伏表面缺陷数据集上分类准确率较原算法有了很大提升。
