太陽光パネル表面の欠陥検出は、太陽光システムの発電効率および運用安全性を確保する上で重要です。ドローンによる航空赤外線画像における小規模対象物の検出困難さ、屋外の熱背景ノイズの強さ、欠陥対象物の大きさの広範な変動といった課題に対応するため、本研究では多スケール特徴と動的畳み込みを組み合わせた太陽光赤外線欠陥検出モデルを提案します。まず浅層経路において、従来のダウンサンプリングに代えて空間から深度への畳み込み（SPD-Conv）を採用し、ダイオード異常やホットスポット等の微小対象の詳細特徴やエッジ情報の損失を回避します。次に、多分岐機構を用いて受容野を適応的に調整する動的全次元畳み込み（CSPOmniKernel）モジュールを導入し、低コントラスト欠陥特徴の強化と複雑な熱背景ノイズの抑制を図ります。最後に、高効率多スケール特徴融合モジュール（MFM）を構築し、階層間情報の相互作用および適応的集約によって異なるスケールの対象に対するモデルの認識ロバスト性を向上させます。5種類の典型的な欠陥を含む太陽光赤外線航空データセットにおいて、改良モデルはmAP@0.5で84.12%を達成し、ベースラインのRT-DETR-r18を5.16%上回り、推論速度は48 FPSで産業用リアルタイム検査の要件を満たします。結果は、本手法が複雑な屋外環境下において太陽光欠陥検出の精度と信頼性を効果的に向上させることを示しています。

太陽光欠陥検出; 航空赤外線画像; RT-DETRアルゴリズム; 動的畳み込み; 小規模対象検出