标题：基于深度学习的太阳能电池板优化研究
作者：曾可尧 黄靖 钟万涵 张子俊
作者单位：福建工程学院电子电气与物理学院，福建 福州 350118
关键字：深度学习；缺陷检测；太阳能电池板；YOLOv5
摘要：太阳能电池板的缺陷检测是保障电气安全的重要措施，但目前在太阳能电池板缺陷检测上的传统研究方法都存在效率低、误检、漏检率高等问题。基于此，提出利用深度学习方法，将YOLOv5结合到太阳能电池板缺陷检测中，对其进行优化研究，首先引入坐标注意力机制增强目标特征，改善YOLOv5颈部网络对于特征信息的捕获程度，使整体网络能够更准确定位并识别目标区域；将C3模块改进为CoT模块，提高网络对于太阳能电池板缺陷特征附近上下文信息的充分利用，加快收敛速度。改进模型在测试集上的精确率和召回率分别达到92.7%和93.6%，平均精度均值（mAP）达到了95%，相较于原网络提升了2%，在检测速度几乎不变的前提下，达到了比以往深度学习检测方法更高的精度。