摘要: 针对太阳能电池缺陷图像稀缺问题, 提出一种双维度注意力集成对抗网络的缺陷图像生成方法, 用于太阳能电池缺陷检测模型训练. 首先, 构造双生成器与双判别器的集成对抗网络模型; 其次, 将通道注意力与改进的空间注意力结合为双维度注意力, 并将其融入生成器与判别器中; 最后, 为解决模型训练不稳定的问题, 设计双生成器分时训练的方式对模型进行训练. 在太阳能电池电致发光(electroluminescence, EL)缺陷数据集上, 5种生成缺陷图像中图像多样性指标(frechet inception distance, FID)和结构相似性指标(structural similarity index measure, SSIM)比现有最优生成算法最高分别提升了53.87和0.46; 此外利用生成的缺陷图像进行yolov5检测模型的训练, 5种缺陷的平均精度均值(mean average precision, MAP)达到了96.56%.