一种高效双路径注意力太阳电池缺陷检测网络

针对多晶硅太阳电池片缺陷尺度不一、跨度大、表面纹理背景复杂、缺陷微小微弱的特性，基于Yolov4提出一种新型检测框架EDANet，构建两个新型的模块：跨尺度空间增强模块（CGSE）和自校准压缩-激励模块（SCSE）。CGSE模块作为空间注意力以多尺度的形式将特征进行融合、抑制背景、突出前景、重加权特征图，引导网络学习正确的前景背景特征分布；SCSE模块以通道注意力的形式对高层特征的每个空间位置建立长距离依赖关系，通过显式合并信息帮助网络生成更多的辨识性表示，以区分微小微弱缺陷。实验结果表明：该网络的均值平均精度（mAP）值达到92.07%，在多晶硅太阳电池缺陷检测精度上有明显提升。