Devido ao problema de baixa precisão nos métodos de detecção de defeitos em células solares, propõe-se um algoritmo aprimorado de detecção de defeitos na superfície de células solares baseado no YOLOv5s. Primeiro, para resolver o problema da detecção de pequenos defeitos nas células, foi proposta a rede Transformer de contexto (CoT), que pode fornecer informações contextuais globais para pequenos alvos, ajudando o modelo a prever melhor esses pequenos alvos. Em seguida, a atenção CBAM foi incorporada ao módulo C3 na parte Head, podendo capturar melhor os canais importantes e a localização espacial dos mapas de características de entrada, melhorando o desempenho e a robustez do modelo. Depois, utiliza-se o operador de upsampling universal leve CARAFE para reduzir a perda de informações das características durante o processo de upsampling, garantindo a integridade das informações. Por fim, usa-se o WIoU como função de perda de caixa delimitadora, aumentando significativamente a precisão da regressão e ajudando na rápida convergência do modelo. Os resultados experimentais mostram que o YOLOv5s aprimorado aumentou os índices de Precision, Recall e mAP@0.5 em 5,5%, 4,1% e 3,3% respectivamente em comparação com o algoritmo original, e a velocidade de detecção atingiu 76 FPS, atendendo aos requisitos de detecção de defeitos em células solares.

células solares;YOLOv5s;rede Transformer de contexto;CARAFE;função de perda