[1] X Q ZHENG, S ZHENG, Y G KONG et al. Recent advances in surface defect inspection of industrial products using deep learning techniques. The International Journal of Advanced Manufacturing Technology, 113, 35-58(2021).
[2] 赵朗月， 吴一全. 基于机器视觉的表面缺陷检测方法研究进展［J］. 仪器仪表学报， 2022， 43（1）： 198-219.ZHAOL Y， WUY Q. Research progress of surface defect detection methods based on machine vision［J］. Chinese Journal of Scientific Instrument， 2022， 43（1）： 198-219.（in Chinese）
[3] 马桂艳， 张红妹， 史金超， 等. 基于电致发光的太阳能电池检测方法研究［J］. 光电子技术， 2020， 40（3）： 213-216.MAG Y， ZHANGH M， SHIJ C， et al. Study of electroluminescence imaging as a method to detect the defects of solar cells［J］. Optoelectronic Technology， 2020， 40（3）： 213-216.（in Chinese）
[4] 夏中高， 彭平， 景彦姣， 等. EL检测PERC电池中间缺陷成因及改善方法的研究［J］. 太阳能学报， 2023， 44（6）： 198-203.XIAZ G， PENGP， JINGY J， et al. Study on causes and improvement methods of intermediate defects in perc cells detected by el［J］. Acta Energiae Solaris Sinica， 2023， 44（6）： 198-203.（in Chinese）
[5] B Y SU, H Y CHEN, P CHEN et al. Deep learning-based solar-cell manufacturing defect detection with complementary attention network. IEEE Transactions on Industrial Informatics, 17, 4084-4095(2021).
[6] M ZHANG, L J YIN. Solar cell surface defect detection based on improved YOLO v5. IEEE Access, 10, 80804-80815(2022).
[7] S W XU, H M QIAN, W Y SHEN et al. Defect detection for PV Modules based on the improved YOLOv5s, 1431-1436(2022).
[8] 张大胜， 肖汉光， 文杰， 等. YOLOv5上融合多特征的实时火焰检测方法［J］. 模式识别与人工智能， 2022， 35（6）： 548-561.ZHANGD S， XIAOH G， WENJ， et al. Real-time fire detection method with multi-feature fusion on YOLOv5［J］. Pattern Recognition and Artificial Intelligence， 2022， 35（6）： 548-561.（in Chinese）
[9] 陈海永， 袁乐， 王世杰， 等. 基于多尺度编码互补注意力网络的光伏缺陷检测［J］. 太阳能学报， 2023， 44（10）： 191-197.CHENH Y， YUANL /Y）， WANGS J， et al. Photovoltaic defect detection based on multi-scale coding complementary attention network［J］. Acta Energiae Solaris Sinica， 2023， 44（10）： 191-197.（in Chinese）
[10] N Y ZENG, P S WU, Z D WANG et al. A small-sized object detection oriented multi-scale feature fusion approach with application to defect detection. IEEE Transactions on Instrumentation and Measurement, 71, 3507014(2022).
[11] 周涛， 杜玉虎， 石道宗， 等. 强化特征提取能力的下颌骨骨折检测3M-YOLOv5网络［J］. 光学 精密工程， 2023， 31（21）： 3178-3191. doi: 10.37188/ope.20233121.3178ZHOUT， DUY H， SHID Z， et al. Mandibular fracture detection with 3M-YOLOv5 network based on enhanced feature extraction capability［J］. Opt. Precision Eng.， 2023， 31（21）： 3178-3191.（in Chinese）. doi: 10.37188/ope.20233121.3178
[12] K HAN, Y H WANG, Q TIAN et al. GhostNet： more features from cheap operations, 1577-1586(2020).
[13] C WANG, X BAI, S WANG et al. Multiscale visual attention networks for object detection in VHR remote sensing images. IEEE Geoscience and Remote Sensing Letters, 16, 310-314(2019).
[14] J L WANG, C Q XU, Z L YANG et al. Deformable convolutional networks for efficient mixed-type wafer defect pattern recognition. IEEE Transactions on Semiconductor Manufacturing, 33, 587-596(2020).
[15] J F DAI, H Z QI, Y W XIONG et al. Deformable convolutional networks, 764-773(2017).
[16] 刘彦磊， 李孟喆， 王宣宣. 轻量型YOLOv5s车载红外图像目标检测［J］. 中国光学（中英文）， 2023（5）： 1045-1055. doi: 10.37188/co.2022-0254LIUY L， LIM Z， WANGX X. Lightweight YOLOv5s vehicle infrared image target detection［J］. Chinese Optics， 2023（5）： 1045-1055.（in Chinese）. doi: 10.37188/co.2022-0254
[17] Q B HOU, D Q ZHOU, J S FENG. Coordinate attention for efficient mobile network design, 13708-13717(2021).
[19] 周启宸， 王伯超. 基于改进YOLOv7的太阳能电池片表面缺陷检测［J］. 计算机应用， 2023， 43（S02）： 223-228.ZHOUQ C， WANGB C. Solar cell surface defect detection based on improved YOLOv7［J］. Journal of Computer Applications， 2023， 43（S02）： 223-228.（in Chinese）
[20] M X TAN, R M PANG, Q V LE. EfficientDet： scalable and efficient object detection, 10778-10787(2020).
[21] W LIU, D ANGUELOV, D ERHAN et al. SSD： single shot MultiBox detector, 21-37(2016).
