摘要
نظرًا لمشكلة انخفاض دقة طرق الكشف عن عيوب خلايا الطاقة الشمسية، تم اقتراح خوارزمية الكشف عن عيوب سطح خلايا الطاقة الشمسية المبنية على YOLOv5s المحسن. أولاً، لحل مشكلة الكشف عن العيوب الصغيرة في الخلايا، تم تقديم شبكة Transformer السياقية (CoT) التي توفر معلومات سياقية عالمية للأهداف الصغيرة لمساعدة النموذج على التنبؤ بشكل أفضل بالأهداف الصغيرة. ثانيًا، تم إضافة انتباه CBAM إلى وحدة C3 في الجزء العلوي (Head) لالتقاط القنوات والمواقع المكانية الهامة في خريطة الميزات المُدخلة بشكل أفضل، مما يحسن أداء النموذج ومتانته. ثم، تم استخدام عامل التصعيد العام الخفيف CARAFE لتقليل فقدان معلومات الميزات أثناء عملية التصعيد، وضمان سلامة معلومات الميزات. أخيرًا، تم استخدام WIoU كدالة خسارة لصندوق الإحاطة، مما حسّن بشكل كبير دقة الانحدار وساعد في تحقيق تقارب سريع للنموذج. أظهرت النتائج التجريبية أن YOLOv5s المحسن حسّن الدقة (Precision) والاستدعاء (Recall) وmAP@0.5 بنسبة 5.5٪ و4.1٪ و3.3٪ على التوالي مقارنة بالخوارزمية الأصلية، وبلغت سرعة الكشف 76 إطارًا في الثانية، مما يلبي متطلبات الكشف عن عيوب خلايا الطاقة الشمسية.
关键词
خلايا الطاقة الشمسية;YOLOv5s;شبكة Transformer السياقية;CARAFE;دالة الخسارة
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website