基于改进型YOLOv5-RCD的光伏板缺陷检测OA

针对高速公路服务区中光伏板位置不易检测、小目标漏检及模型计算效率不足等问题,提出一种改进型的YOLOv5-RCD光伏板缺陷检测算法。在主干网络中嵌入SE通道注意力与空间注意力机制,以动态增强缺陷特征响应并抑制背景干扰。设计动态分配权重的双向特征金字塔网络,实现多尺度特征的自适应融合,从而提升小目标检测能力。引入四尺度检测头与双阈值NMS策略,优化微小目标检测性能。此外,通过轻量化模块设计与混合精度量化,降低计算成本,提高模型的部署效率。在数据集构建方面,采集了1000张涵盖多种光照条件和缺陷类型的河南某高速公路光伏板缺陷数据图像,并采用数据增强技术提升模型的泛化能力。通过主干网络轻量化与多尺度特征增强、动态BiFPN与上下文感知模块融合等网络结构优化,以及损失函数和后处理的改进,全面提升模型的检测精度和效率。实验结果表明,该算法在复杂背景下显著提升了光伏缺陷的检测精度与效率,相较于基准模型YOLOv5s,平均精度均值达到0.874,提升了4.3百分点,模型参数量减少31%,在满足实时检测需求的同时,展现了良好的鲁棒性和适应性。