В качестве ключевого компонента системы солнечной энергетики, дефекты на поверхности фотоэлектрических панелей значительно влияют на эффективность преобразования света в электричество и срок службы. С учетом существующих проблем в обнаружении дефектов фотоэлектрических панелей, таких как трудности в распознавании мелких дефектов и низкий контраст между дефектами и фоном, в данном исследовании предложена модель обнаружения SCA-YOLOv8n. Во-первых, был разработан модуль перекрестного сопряжения SCConv, который посредством пространственно-канального интерактивного реконструирования снижает избыточную информацию и улучшает способность модели извлекать особенности дефектов разных масштабов; во-вторых, создан механизм координатного внимания (CoordAtt), фокусирующийся на области дефекта с каналового и пространственного измерений и подавляющий фоновые помехи; наконец, встроен легковесный адаптивный модуль подвыборки (ADown) вместо традиционной сверточной операции с шагом, что снижает вычислительную сложность и уменьшает потерю информации о признаках. Результаты экспериментов показывают, что улучшенная модель достигла mAP@0.5 в 94,4%, что на 2,0% выше исходной модели YOLOv8n, при этом количество параметров уменьшилось на 5,0%, а GFLOPs снизились на 4,9%. Эти результаты полностью подтверждают, что предложенное улучшение позволяет одновременно облегчить модель и значительно повысить точность и надежность обнаружения дефектов фотоэлектрических панелей.

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