来源：期刊VIP网 时间：
作者：汪宇玲;常佳熠;
单位：东华理工大学信息工程学院;新南威尔士大学计算机科学与工程学院;
摘要：针对太阳能电池板表面缺陷检测任务中检测精度低的问题，提出一种融合小尺寸动态蛇形卷积的太阳能电池板检测YOLO模型。主要设计了可适应管束状瑕疵的小尺寸动态蛇形卷积，增强了模型对裂纹缺陷的表征能力；同时在模型颈部加入高效通道注意力机制，并融合加权梯度特征，增强了对关键特征的提取能力。所提方法基于公开数据集进行仿真实验，实验mAP@0.5可达88.1%，相较于YOLOv7、Faster R-CNN、YOLOX-S的平均精度均值分别提高了5%、15.8%、1.6%，可以更准确地完成太阳能电池表面缺陷检测任务。
关键词：太阳能电池板;;缺陷检测;;梯度信息;;动态蛇形卷积;;高效通道注意力机制;;YOLO模型
基金资助：国家自然科学基金项目(62066003);; 国家留学基金项目(CSC202208360143)
