[1] ZHENG X Q, ZHENG S, KONG Y G et al. Recent advances in surface defect inspection of industrial products using deep learning techniques[J]. The International Journal of Advanced Manufacturing Technology, 113, 35-58(2021).

[2] [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] [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] [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] SU B Y, CHEN H Y, CHEN P et al. Deep learning-based solar-cell manufacturing defect detection with complementary attention network[J]. IEEE Transactions on Industrial Informatics, 17, 4084-4095(2021).

[6] ZHANG M, YIN L J. Solar cell surface defect detection based on improved YOLO v5[J]. IEEE Access, 10, 80804-80815(2022).

[7] XU S W, QIAN H M, SHEN W Y et al. Defect detection for PV Modules based on the improved YOLOv5s[C], 1431-1436(2022).

[8] [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] [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] ZENG N Y, WU P S, WANG Z D et al. A small-sized object detection oriented multi-scale feature fusion approach with application to defect detection[J]. IEEE Transactions on Instrumentation and Measurement, 71, 3507014(2022).

[11] [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] HAN K, WANG Y H, TIAN Q et al. GhostNet： more features from cheap operations[C], 1577-1586(2020).

[13] WANG C, BAI X, WANG S et al. Multiscale visual attention networks for object detection in VHR remote sensing images[J]. IEEE Geoscience and Remote Sensing Letters, 16, 310-314(2019).

[14] WANG J L, XU C Q, YANG Z L et al. Deformable convolutional networks for efficient mixed-type wafer defect pattern recognition[J]. IEEE Transactions on Semiconductor Manufacturing, 33, 587-596(2020).

[15] DAI J F, QI H Z, XIONG Y W et al. Deformable convolutional networks[C], 764-773(2017).

[16] [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] HOU Q B, ZHOU D Q, FENG J S. Coordinate attention for efficient mobile network design[C], 13708-13717(2021).

[18] TERVEN J, CORDOVA-ESPARZA D. A comprehensive review of YOLO architectures in computer vision： from YOLOv1 to YOLOv8 and YOLO-NAS[webpage]. arXiv, 2304-00501(2023). http：//arxiv.org/abs/2304.00501

[19] [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] TAN M X, PANG R M, LE Q V. EfficientDet： scalable and efficient object detection[C], 10778-10787(2020).

[21] LIU W, ANGUELOV D, ERHAN D et al[M]. SSD： single shot MultiBox detector, 21-37(2016).