태양광 발전 시스템의 핵심 구성 요소인 태양광 패널의 표면 결함은 광전 변환 효율과 사용 수명에 심각한 영향을 미칩니다. 태양광 패널 결함 검출에서 미세 결함 인식의 어려움과 결함과 배경 간의 대비가 낮은 문제를 해결하기 위해 본 연구에서는 SCA-YOLOv8n 검출 모델을 제안합니다. 먼저, 공간-채널 특성 상호 재구성을 통해 중복 정보를 줄이는 동시에 다중 스케일 결함 특성 추출 능력을 향상시키는 SCConv 교차 결합 모듈을 설계하였고, 둘째, 채널 및 공간 차원에서 결함 영역에 집중하여 배경 간섭을 억제하는 좌표 주의 메커니즘(CoordAtt)을 구축하였으며, 마지막으로 전통적인 스트라이드 컨볼루션을 대체하는 경량 적응형 다운샘플링(ADown) 모듈을 삽입하여 계산 복잡도를 줄이고 특성 정보 손실을 감소시켰습니다. 실험 결과, 개선된 모델의 mAP@0.5는 94.4%에 도달하여 원래 YOLOv8n 모델 대비 2.0% 향상되었으며 파라미터 수는 5.0%, GFLOPs는 4.9% 감소하였습니다. 위 결과는 본 개선안이 모델 경량화를 실현하는 동시에 태양광 패널 결함 검출의 정밀도와 신뢰성을 크게 향상시킬 수 있음을 충분히 검증하였습니다.

태양광 패널 결함 검출;YOLOv8n;SCConv;CoordAtt;ADown