准确率达 91.74%！东南大学提出光伏电池缺陷检测模型，首次引入神经结构搜索
💡
原文中文，约4300字，阅读约需11分钟。
📝
内容提要
东南大学的研究团队提出了一种基于神经结构搜索和知识蒸馏的轻量级高性能光伏电池缺陷检测模型，准确率高达91.74%，参数量小，易于在实际工业项目中部署。研究结果表明，该模型具有较高的性能和泛化能力，为光伏产业的发展提供了有效工具。
🎯
关键要点
- 东南大学研究团队提出了一种轻量级高性能光伏电池缺陷检测模型，准确率高达91.74%。
- 该模型基于神经结构搜索和知识蒸馏，易于在实际工业项目中部署。
- 光伏产业在我国发展迅速，光伏发电已成为全国第二大电源。
- 传统的PV缺陷检测手段无法有效识别微裂纹等潜在风险，卷积神经网络成为主流方法。
- 研究团队首次将神经结构搜索引入光伏电池缺陷检测领域，减少了手工设计工作量。
- 数据集包含2,624张光伏电池EL图像，经过合理划分用于训练和测试。
- 数据增强操作提升了模型的鲁棒性，减少了过拟合。
- 轻量级网络设计由Normal cells和Reduction cells堆叠而成，能够有效分类光伏电池的功能状态。
- 知识蒸馏方法通过转移先验知识，提高了轻量级模型的性能。
- 模型在测试集上的精度达91.74%，超越了Teacher模型水平。
- 该模型在单晶和多晶光伏电池上均表现出色，尤其在多晶模型上优于其他方法。
- 轻量级模型在CPU平台上表现优异，适合低功耗嵌入式设备的部署。
- 模型在不同数据源上的泛化性能良好，缺陷样本的准确率达到94.26%。
- 光伏产业在全球绿色发展背景下前景广阔，政策支持将推动其持续发展。
➡️
