基于改进Dn-YOLOv7算法的光伏板表面小目标缺陷检测
刘承毅
董效杰
刘三军
周运磊
湖北民族大学 智能科学与工程学院,湖北 恩施 445000
摘要：为了减轻在光伏板表面缺陷检测中由图像噪声和目标过小造成的影响,提出了改进Dn-YOLOv7(de-noising you only look once version 7)算法.该算法结合去噪卷积神经网络(de-noising convolutional neural network,DnCNN),提出了一个降噪模块(de-noise block,DnBlock),该模块使用了噪声容限更大的损失函数,并利用空间坐标卷积(coordinates convolution,CoordConv)对噪声通道进行卷积整合,增强了网络的降噪能力.同时,使用归一化高斯瓦瑟斯坦距离(normalized Gaussian Wasserstein distance,NWD)替代传统交并比(intersection over union,IoU)损失函数,提高了模型对小目标的检测能力.结果表明,改进后的模型具有降噪能力并提高了检测精确率,在无噪声水平下平均精确率均值达到了 96.6%,在较强的高斯噪声和脉冲噪声下平均精确率均值分别达到 91.4%和 85.4%,检测速度达到 78.0 帧/s.该算法在航拍图像的光伏板缺陷检测中有一定实用价值.
关键词：光伏板表面缺陷小目标降噪YOLOv7DnCNNCoordConvNWD
分类号：TM726(输配电工程、电力网及电力系统)
资助基金：国家自然科学基金(61961016)
论文发表日期：2024-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 212-218 )
英文信息