Para melhorar a precisão na detecção de vários tipos de defeitos superficiais na imagem de eletroluminescência (EL) de células solares e reduzir a taxa de falhas na detecção, propõe-se o algoritmo CMFAnet para detecção de defeitos superficiais em células solares, que integra características multiescala e mecanismos de atenção. Primeiramente, considerando a grande variação na escala dos defeitos superficiais das células solares, foi desenvolvido um método aprimorado de fusão de características multiescala, cuja unidade básica consiste em um módulo de alinhamento de características seguido de um módulo de fusão de características. Para informações de características em diferentes níveis semânticos, o módulo de alinhamento ajusta suas escalas para facilitar a fusão; em segundo lugar, considerando a alta similaridade entre as características dos defeitos superficiais e as características de fundo, bem como a diversidade das formas geométricas, foi desenhado um módulo de convolução fantasma deformável, cuja unidade básica é composta por convolução deformável, mecanismo de atenção coordenada múltipla e convolução fantasma (Ghost conv). O mecanismo de atenção coordenada múltipla otimiza a geração de offsets na convolução deformável, e a introdução da convolução fantasma reduz efetivamente a complexidade computacional do modelo. Os resultados experimentais mostram que, no conjunto de dados PVEL-AD para detecção de anomalias em células fotovoltaicas, o método proposto atinge uma precisão média de detecção (mAP) de 91,4%, apresentando melhorias em relação a outras redes populares de detecção de objetos.

características multiescala;convolução deformável;atenção coordenada;detecção de defeitos