1、YOLOV8算法
YOLOv8 是当前效果较好的目标检测 算法,它的核心网络来源于 DarkNet-53,该网络初次在 YOLOv3中被引入,并深受 ResNet[12] 的影响。DarkNet-53 使用了残差机制,并连续添加了卷积模块来加强其功能性。 这 53 层的构造使其在性能上与 ResNet-152 相当, 但其处理速度加快了一倍。基于 DarkNet-53 ,YOLOv8 做了进一步的调整, 融入了 C2f 组件,从而进一步加强了性能并减少了模型的大小。本文 选用轻量级的YOLOv8n 。YOLOv8n是从YOLOv8 算法派生的轻量级参数结构。它包括骨干网、颈网和预测输出头。骨干网络利用卷积操作从 RGB 图像中提取各种尺度的特征。同时, 颈部网络的作 用是合并骨干网络提取的特征。特征金字塔结构(特征金字塔网络,FPN)通常被实现以将低级特征聚合成高级表示。头部层负 责预测目标类别,并利用三组不同大小的检测检测器来选择和检测图像内容。
2、数据集与训练
高质量太阳能光伏电池板可见光图像数据集,标签包含鸟粪,清洁,脏污,电气损坏,物理损坏,积