您当前的位置：
首页 >
文章列表页 >
融合多尺度特征与注意力的太阳能电池表面缺陷检测
信息科学 | 更新时间：2024-10-23
|

    • 融合多尺度特征与注意力的太阳能电池表面缺陷检测

    • Solar cell defect detection network combining multiscale feature and attention

    • “在太阳能电池表面缺陷检测领域，CMFAnet算法通过融合多尺度特征与注意力机制，显著提高了检测精度，降低了漏检率。”
    • 光学精密工程   2024年32卷第14期 页码：2286-2298

    • DOI：10.37188/OPE.20243214.2286    

      中图分类号： TP391.41

    • 收稿日期：2023-12-04，

      修回日期：2024-02-20，

      纸质出版日期：2024-07-25

    移动端阅览

  • 周颖,许士博,陈海永等.融合多尺度特征与注意力的太阳能电池表面缺陷检测[J].光学精密工程,2024,32(14):2286-2298. DOI： 10.37188/OPE.20243214.2286.

    ZHOU Ying,XU Shibo,CHEN Haiyong,et al.Solar cell defect detection network combining multiscale feature and attention[J].Optics and Precision Engineering,2024,32(14):2286-2298. DOI： 10.37188/OPE.20243214.2286.

  •  
  •  

0

浏览量

252

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于改进YOLOv8模型的增材制造微小气孔缺陷检测及其尺寸测量
改进轻量化VTG-YOLOv7-tiny的钢材表面缺陷检测
多尺度增强特征融合的钢表面缺陷目标检测
基于机器视觉的太阳能电池片缺陷检测算法综述
基于多尺度自适应注意力的图像超分辨率网络

相关作者

康仁科
朱祥龙
王宇轩
孙梓盟
张殿鹏
蔡引娣
梁礼明
龙鹏威

相关机构

大连理工大学 机械工程学院
江西理工大学 电气工程与自动化学院
福州大学 物理与信息工程学院
中国福建光电信息科学与技术实验室
福州大学 先进制造学院
0