태양광 패널 표면 결함 검출은 태양광 시스템의 발전 효율 및 운영 안전을 보장하는 핵심 요소입니다. 드론 항공 촬영 적외선 이미지에서의 작은 목표 검출 어려움, 강한 야외 열 배경 간섭 및 결함 목표의 큰 크기 범위 등의 문제에 대응하여, 본 연구에서는 다중 스케일 특성과 동적 합성을 결합한 태양광 적외선 결함 검출 모델을 제안합니다. 먼저, 얕은 경로에서는 전통적인 다운샘플링 대신 공간-깊이 합성(SPD-Conv)을 사용하여 다이오드 이상 및 핫스팟과 같은 미세 목표의 세밀한 특성 및 경계 정보 손실을 피합니다. 둘째, 다중 분기 메커니즘을 통해 수용 영역을 적응적으로 조절하는 동적 전역 합성 모듈(CSPOmniKernel)을 도입하여 저대비 결함 특징을 강화하고 복잡한 열 배경 간섭을 억제합니다. 마지막으로 계층 간 정보 교류 및 적응적 집계를 이용한 효율적인 다중 스케일 특성 융합 모듈(MFM)을 구축하여 다양한 크기 목표에 대한 모델 인식 강인성을 향상시킵니다. 5가지 유형의 대표적 결함이 포함된 태양광 적외선 항공 데이터셋에서 개선된 모델은 mAP@0.5 84.12%를 달성했으며, 기준 RT-DETR-r18 대비 5.16% 향상되었고 추론 속도는 48 FPS로 산업용 실시간 점검 요구를 충족합니다. 결과는 본 방법이 복잡한 야외 환경에서 태양광 결함 검출의 정확도와 신뢰성을 효과적으로 향상시킨다는 것을 보여줍니다.

태양광 결함 검출;항공 적외선 영상;RT-DETR 알고리즘;동적 합성;소형 목표 검출