陈海永，赵 鹏，闫皓炜

融合注意力的多尺度Faster RCNN的裂纹检测

陈海永1*，赵 鹏1，闫皓炜2

1河北工业大学人工智能与数据科学学院，天津 300000；2天津航天中为数据系统科技有限公司，天津 300000

电致发光(Electroluminescence, EL)下的光伏电池EL图像背景表现为复杂的非均匀纹理特征，且存在与裂纹相似的晶粒伪缺陷，同时裂纹表现为形状多样的多尺度特征，以上难点为检测任务带来了极大的挑战。因此，本文提出融合注意力的多尺度Faster-RCNN模型，一方面，采用改进的特征金字塔网络获取多尺度的高级语义特征图，以此来提高网络对多尺度裂纹缺陷的特征表达能力。另一方面，采用改进的注意力区域推荐网络A-RPN，提高模型对裂纹缺陷的关注并抑制复杂背景及晶粒伪缺陷的特征。同时，在RPN网络训练过程中，采用损失函数Focal loss，以此来降低训练过程中简单样本所占比重，使其更加关注难以区分的样本。实验结果表明，改进的算法使得EL图像裂纹缺陷检测的准确率提高，达到接近95%。

多尺度特征提取；注意力模块；Focal loss函数

1 引 言

由于太阳能清洁、安全、无害、充足的特点，光伏发电已成为最受欢迎的可再生能源发电方式之一。光伏电池作为光伏发电的载体，在其生产、部件组装以及运输过程中，因晶体结构的脆弱性或者操作不当等不稳定因素的影响，不可避免地会产生裂纹缺陷。裂纹缺陷的存在将降低电池片的发电效率、缩短使用寿命、导致光伏组件运行故障，甚至影响光伏发电系统的安全性。……