Como componente central do sistema de geração de energia solar, os painéis fotovoltaicos apresentam defeitos superficiais que afetam seriamente a eficiência da conversão fotoelétrica e a vida útil. Para enfrentar os problemas de dificuldade na identificação de pequenos defeitos e baixo contraste entre defeitos e fundo na detecção de defeitos dos painéis fotovoltaicos, este estudo propõe o modelo de detecção SCA-YOLOv8n. Primeiramente, foi projetado o módulo de acoplamento cruzado SCConv, que, por meio da reconstrução interativa das características espaciais e de canal, reduz informações redundantes enquanto fortalece a capacidade do modelo de extrair características de defeitos em múltiplas escalas; em segundo lugar, foi construído o mecanismo de atenção de coordenadas (CoordAtt), que foca as regiões defeituosas nas dimensões de canal e espaço, suprimindo interferências de fundo; por fim, foi inserido o módulo adaptativo leve de downsampling (ADown) para substituir as convoluções tradicionais por passo, reduzindo a complexidade computacional enquanto diminui a perda de informação das características. Os resultados experimentais mostram que o mAP@0.5 do modelo aprimorado alcançou 94,4%, representando uma melhora de 2,0% em relação ao modelo original YOLOv8n, com redução de 5,0% no número de parâmetros e 4,9% nos GFLOPs. Estes resultados comprovam que a melhoria proposta pode realizar um modelo leve enquanto aumenta significativamente a precisão e confiabilidade da detecção de defeitos dos painéis fotovoltaicos.

Detecção de defeitos em painéis fotovoltaicos;YOLOv8n;SCConv;CoordAtt;ADown