密集主干网络算法对太阳能电池的缺陷检测

针对太阳能电池存在的缺陷问题,通过电致发光成像得到相关图像数据集,采用深度学习图像检测算法进行识别。对YOLOv4目标检测算法进行改进,将原算法的主干网络替换为DenseNet121,利用DenseNet121中的密集块对特征图像信息进行密集连接,以提升检测精准度和检测速度;采用Softer-NMS改进原算法中的非极大值抑制(NMS),提高边界框定位精确度,减少误检、漏检数量。由结果分析可知,在使用改进型算法后,模型检测精准度提升5.94个百分点。同时,设置消融实验探究所提改进方法对模型性能的影响程度。在与其他相关算法的参数性能对比中,参数指标表现良好,证明了所提方法的有效性和可行性。