論文の概要: Photovoltaic Panel Defect Detection Based on Ghost Convolution with
BottleneckCSP and Tiny Target Prediction Head Incorporating YOLOv5
- arxiv url: http://arxiv.org/abs/2303.00886v1
- Date: Thu, 2 Mar 2023 01:06:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 16:38:18.985981
- Title: Photovoltaic Panel Defect Detection Based on Ghost Convolution with
BottleneckCSP and Tiny Target Prediction Head Incorporating YOLOv5
- Title（参考訳）: BottleneckCSPとYOLOv5を組み込んだTiny Target Prediction Headを用いたゴーストコンボリューションに基づく太陽電池パネル欠陥検出
- Authors: Longlong Li, Zhifeng Wang, Tingting Zhang
- Abstract要約: 本稿では,Ghost convolution with BottleneckCSPとPVパネル欠陥検出のための小さなターゲット予測ヘッドを提案する。
BottleneckCSPモジュールは、小さなターゲット検出のための予測ヘッドを追加して、小さな欠陥ミスを軽減するために導入された。
提案するPVパネル表面欠陥検出ネットワークは、mAPの性能を少なくとも27.8%向上させる。
- 参考スコア（独自算出の注目度）: 5.632384612137748
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photovoltaic (PV) panel surface-defect detection technology is crucial for
the PV industry to perform smart maintenance. Using computer vision technology
to detect PV panel surface defects can ensure better accuracy while reducing
the workload of traditional worker field inspections. However, multiple tiny
defects on the PV panel surface and the high similarity between different
defects make it challenging to {accurately identify and detect such defects}.
This paper proposes an approach named Ghost convolution with BottleneckCSP and
a tiny target prediction head incorporating YOLOv5 (GBH-YOLOv5) for PV panel
defect detection. To ensure better accuracy on multiscale targets, the
BottleneckCSP module is introduced to add a prediction head for tiny target
detection to alleviate tiny defect misses, using Ghost convolution to improve
the model inference speed and reduce the number of parameters. First, the
original image is compressed and cropped to enlarge the defect size physically.
Then, the processed images are input into GBH-YOLOv5, and the depth features
are extracted through network processing based on Ghost convolution, the
application of the BottleneckCSP module, and the prediction head of tiny
targets. Finally, the extracted features are classified by a Feature Pyramid
Network (FPN) and a Path Aggregation Network (PAN) structure. Meanwhile, we
compare our method with state-of-the-art methods to verify the effectiveness of
the proposed method. The proposed PV panel surface-defect detection network
improves the mAP performance by at least 27.8%.
- Abstract（参考訳）: 太陽光発電(PV)パネルの表面欠陥検出技術は、太陽光発電業界にとってスマートメンテナンスを行う上で不可欠である。
コンピュータビジョン技術を用いてPVパネル表面欠陥を検出することにより、従来の作業現場検査の負荷を低減しつつ、精度が向上する。
しかし、pvパネル表面の複数の小さな欠陥と、異なる欠陥の類似度が高いため、このような欠陥を正しく識別し検出することは困難である。
本稿では,BottleneckCSPを用いたゴーストコンボリューションと,PVパネル欠陥検出にYOLOv5(GBH-YOLOv5)を組み込んだ小型ターゲット予測ヘッドを提案する。
マルチスケールターゲットの精度を向上させるため、chaoscspモジュールは、小さな欠陥を緩和するために小さなターゲット検出のための予測ヘッドを追加し、ゴースト畳み込みを使用してモデル推論速度を改善し、パラメータ数を減らす。
まず、原画像を圧縮して切り抜きして欠陥サイズを物理的に拡大する。
そして、処理された画像をgbh−yolov5に入力し、ゴースト畳み込み、ボトルネックcspモジュールの適用、および小さなターゲットの予測ヘッドに基づくネットワーク処理により深度特徴を抽出する。
最後に、抽出した特徴を特徴ピラミッドネットワーク(FPN)と経路集約ネットワーク(PAN)構造で分類する。
一方,本手法を最先端手法と比較し,提案手法の有効性を検証する。
提案するPVパネル表面欠陥検出ネットワークは、mAPの性能を少なくとも27.8%向上させる。
関連論文リスト
- YOLO-pdd: A Novel Multi-scale PCB Defect Detection Method Using Deep Representations with Sequential Images [7.368447690189973]
本稿では,CNNに基づくPCB欠陥検出のための高精度で堅牢でリアルタイムなエンドツーエンド手法を提案する。
本稿では, YOLOv5とマルチスケールモジュールを組み合わせた階層的残差接続手法を提案する。
大規模PCBデータセットの実験では、既存の手法と比較して精度、リコール、F1スコアが大幅に改善された。
論文 参考訳（メタデータ） (2024-07-22T07:08:22Z) - MoE-FFD: Mixture of Experts for Generalized and Parameter-Efficient Face Forgery Detection [54.545054873239295]
ディープフェイクは、最近、国民の間で重大な信頼問題とセキュリティ上の懸念を提起した。
ViT法はトランスの表現性を生かし,優れた検出性能を実現する。
この研究は、汎用的でパラメータ効率のよいViTベースのアプローチであるFace Forgery Detection (MoE-FFD)のためのMixture-of-Expertsモジュールを導入する。
論文 参考訳（メタデータ） (2024-04-12T13:02:08Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z) - CINFormer: Transformer network with multi-stage CNN feature injection
for surface defect segmentation [73.02218479926469]
表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。
CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。
さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
論文 参考訳（メタデータ） (2023-09-22T06:12:02Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - Lightweight wood panel defect detection method incorporating attention
mechanism and feature fusion network [9.775181958901326]
本稿では,注目機構と特徴融合ネットワークを組み込んだYOLOv5-LWという軽量な木材パネル欠陥検出手法を提案する。
提案手法は92.8%の精度でパラメータ数を27.78%削減し,計算量を41.25%圧縮し,検出速度を10.16%向上させる。
論文 参考訳（メタデータ） (2023-06-21T08:55:45Z) - Adaptive Sparse Convolutional Networks with Global Context Enhancement
for Faster Object Detection on Drone Images [26.51970603200391]
本稿では,スパース畳み込みに基づく検出ヘッドの最適化について検討する。
これは、小さなオブジェクトのコンテキスト情報の不十分な統合に悩まされる。
本稿では,グローバルな文脈拡張型適応スパース畳み込みネットワークを提案する。
論文 参考訳（メタデータ） (2023-03-25T14:42:50Z) - Concealed Object Detection for Passive Millimeter-Wave Security Imaging
Based on Task-Aligned Detection Transformer [6.524763502003648]
本稿では,PMMW-DETRと呼ばれるタスク適応型検出変換器ネットワークを提案する。
最初の段階では、DCFT(Denoising Coarse-to-Fine Transformer)バックボーンは、異なるスケールで長短の特徴を抽出するように設計されている。
第2段階では、先行知識として学習された空間的特徴をネットワークに導入するためのクエリ選択モジュールを提案する。
第3段階では、分類性能の向上を目的として、分類タスクと回帰タスクを分離するタスクアラインなデュアルヘッドブロックを実行する。
論文 参考訳（メタデータ） (2022-12-01T07:03:29Z) - Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。
本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。
DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
論文 参考訳（メタデータ） (2022-06-14T13:22:19Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z) - BAF-Detector: An Efficient CNN-Based Detector for Photovoltaic Cell
Defect Detection [7.151552353494974]
本稿では,マルチスケール機能融合を実現するため,注意に基づくトップダウン・ボトムアップアーキテクチャを開発した。
高速RCNN+FPNの領域提案ネットワーク(RPN)にBAFPNを組み込んだ新しい物体検出器BAF-Detectorが提案されている。
3629個の画像と2129個の欠陥を含む大規模ELデータセットの実験結果から,提案手法は98.70%(F測定),88.07%(mAP),73.29%(IoU)のマルチスケール欠陥分類を達成した。
論文 参考訳（メタデータ） (2020-12-19T08:48:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。