针对光伏组件检测场景中目标检测和缺陷识别的多种类、高精度需求，光伏组件缺陷检测的复杂性和时效性需求，提出了基于改进VGG16网络和基于后处理机制&决策模型改进的Faster R-CNN算法。首先，通过简化VGG模型的全连接层，降低了模型复杂度同时保证了特征提取效果。其次，针对光伏样本缺陷形状大小差异性严重，通过边界框回归技术调整锚框，提高了目标检测的精准性。进一步，引入后处理机制，利用NMS技术和置信度筛选阈值过滤和修正检测结果，提高了检测准确性和鲁棒性。最后，结合决策模型对缺陷进行精准分类和判断，对缺陷漏检的图像重新进行标注和重训练，形成一个闭环反馈训练，使系统能够更好地识别各种光伏组件缺陷。该方法经过实际验证，在提高检测效率的同时确保了检测结果的可靠性，拥有良好的泛化能力和应用价值。
微信公众号