В качестве основных компонентов солнечной энергетической системы, поверхностные дефекты фотопанелей существенно влияют на эффективность фотоэлектрического преобразования и срок службы. В ответ на проблемы сложной идентификации мелких дефектов и низкий контраст дефектов с фоном в обнаружении дефектов фотопанелей, в данном исследовании предложена модель обнаружения SCA-YOLOv8n. Во-первых, разработан перекрестный модуль SCConv, который обеспечивает интерактивную реконструкцию пространственно-канальных признаков, уменьшая избыточную информацию и усиливая способность модели к извлечению признаков дефектов разных масштабов; во-вторых, создан механизм координатного внимания (CoordAtt), фокусирующийся на областях дефектов по каналам и пространственным измерениям для подавления фона; наконец, интегрирован облегчённый адаптивный модуль пониженной дискретизации (ADown) вместо традиционной свёртки с шагом, что снижает вычислительную сложность и уменьшает потерю признаков. Экспериментальные результаты показывают, что улучшенная модель достигает mAP@0.5 94,4%, что на 2,0% выше оригинальной модели YOLOv8n, при этом количество параметров уменьшилось на 5,0%, а GFLOPs — на 4,9%. Эти результаты подтверждают, что предложенное улучшение позволяет значительно повысить точность и надёжность обнаружения дефектов фотопанелей при одновременном упрощении модели.

Обнаружение дефектов фотопанелей;YOLOv8n;SCConv;CoordAtt;ADown