一种基于轻量化YOLOv8与SRResNet的动力电池GFRP复材缺陷超分辨率检测方法

本发明公开了一种基于轻量化YOLOv8与SRResNet的动力电池GFRP复材缺陷超分辨率检测方法，该方法是采用基于深度残差网络的超分辨率重建深度学习算法SRResNet搭建实验环境，并对模型进行训练，接着对原始图像进行超分辨率重建，最后，我们将网络重建的数据集输入到YOLOv8‑GFRP模型中进行识别，探索经过重建的数据集实现的精确率变化，寻找一种最合适的重建方法，在过程中，我们采用PSNR、SSIM和运行时间这三个评价指标对图像的超分辨率重建效果进行评估，从而验证基于SRResNet网络在使用长脉冲热成像技术进行GFRP分层缺陷检测中所发挥的优势。该方法具备高准确率、高效率、高自动化等优点，在检测GFRP缺陷方面发挥出巨大的优势，因此对于采用GFRP作为防护结构的动力电池检测领域具有重要意义。