В качестве ключевого компонента солнечной энергетической системы поверхность фотоэлектрических панелей с дефектами оказывает серьезное влияние на эффективность преобразования света в электричество и срок службы. Для решения проблем трудностей распознавания мелких дефектов и низкого контраста дефектов с фоном в обнаружении дефектов фотоэлектрических панелей, в данном исследовании предложена модель обнаружения SCA-YOLOv8n. Во-первых, разработан модуль SCConv с перекрестной связью, который посредством пространственно-канального интерактивного восстановления снижает избыточную информацию и усиливает способность модели извлекать многомасштабные признаки дефектов; во-вторых, введён механизм координатного внимания (CoordAtt), фокусирующийся на зонах дефектов по каналам и пространственным измерениям, подавляющий помехи фона; наконец, встроен облегченный адаптивный модуль понижающей выборки (ADown) вместо традиционной сверточной операции с шагом, что снижает вычислительную сложность и уменьшает потерю информации признаков. Результаты экспериментов показали, что улучшенная модель достигла mAP@0.5 в 94,4%, что на 2,0% выше оригинальной модели YOLOv8n, при этом количество параметров уменьшилось на 5,0%, а GFLOPs — на 4,9%. Представленные результаты подтверждают, что предложенное улучшение способно значительно повысить точность и надежность обнаружения дефектов фотоэлектрических панелей при одновременно облегченном весе модели.

Обнаружение дефектов фотоэлектрических панелей;YOLOv8n;SCConv;CoordAtt;ADown