第39卷第2期2024年2月Vol.39No.2Feb.2024液晶与显示ChineseJournalofLiquidCrystalsandDisplays改进的YOLOv5s太阳能电池片缺陷检测算法彭雪玲1，2，林珊玲1，2*，林志贤1，2，郭太良2（1.福州大学先进制造学院，福建泉州362252；2.中国福建光电信息科学与技术实验室，福建福州350116）摘要：针对太阳能电池片缺陷检测方法存在精度低的问题，提出一种基于改进的YOLOv5s太阳能电池片表面缺陷检测算法。首先，为了解决电池片小目标缺陷检测问题，提出了上下文Transformer网络（CoT），可以为小目标提供全局上下文信息，帮助模型更好地预测小目标。其次，将CBAM注意力加入到Head部分的C3模块，能够更好地捕捉输入特征图的重要通道和空间位置，提高模型的性能和鲁棒性。接着，使用轻量级的通用上采样算子CARAFE减少上采样过程中特征信息的损失，保证了特征信息的完整性。最后，使用WIoU作为边界框损失函数，大幅提升了回归的准确性，并且有助于快速实现模型的收敛。实验结果显示，改进后的YOLOv5s相较于原始算法在Precision、Recall、mAP@0.5三个指标上分别提高了5.5%、4.1%、3.3%，检测速度达到了76FPS，满足太阳能电池片缺陷检测要求。关键词：太阳能电池片；YOLOv5s；上下文Transformer网络；CARAFE；损失函数中图分类号：TP391文献标识码：Adoi：10.37188/CJLCD.2023-0249DefectdetectionalgorithmofimprovedYOLOv5ssolarcellPENGXueling1，2，LINShanling1，2*，LINZhixian1，2，GUOTailiang2（1.SchoolofAdvancedManufacturing，FuzhouUniversity，Quanzhou362252，China；2.FujianScienceandTechnologyInnovationLaboratoryforPhotoelectricInformation，Fuzhou350116，China）Abstract：Aimingattheproblemoflowaccuracyofthemethodforsolarcelldefectdetection，asurfacedefectdetectionalgorithmbasedontheimprovedYOLOv5ssolarcellisproposed.First，inordertosolvetheproblemofsmalltargetdefectdetectiononthecellsheet，theContextualTransformerNetwork（CoT）isproposed，whichcanprovideglobalcontextualinformationforsmalltargetsandthemodelbetteratpredictingsmalltargets.Secondly，byaddingCBAMattentiontotheC3moduleintheHeadpart，theimportantchannelsandspatiallocationsoftheinputfeaturemapscanbebettercapturedtoimprovetheperformanceandrobustnessofthemodel.Next，theintegrityoffeatureinformationisensuredbyusingC...
