Likitha Reddy Yeddula · Archana Pallakonda · Rayappa David Amar Raj · Rama Muni Reddy Yanamala 等6人 · IEEE Access · 2025年1月

可靠的光伏组件缺陷检测对维持长期能源效率和降低运维成本至关重要。本文提出一种基于混合YOLOv8n架构的轻量高性能深度学习模型，适用于RGB、灰度及红外等多种模态下的多尺度缺陷识别。该模型融合BiFPN结构、Ghost Bottleneck模块与高效通道注意力（ECA），提升多尺度表征能力，减少冗余计算，增强特征提取。在PVEL-AD、PV-Multi-Defect和Solar Panel Anomalies三个基准数据集上的实验表明，模型mAP@50分别达96.5%、94.6%和97.6%，推...

解读: 该轻量级光伏缺陷检测模型对阳光电源智能运维体系具有重要应用价值。可直接集成至iSolarCloud云平台的智能诊断模块，结合无人机巡检实现SG系列光伏电站的实时缺陷识别，1.9ms推理速度和3M参数量满足边缘计算需求。多模态检测能力（RGB/红外）可增强PowerTitan大型储能电站的组件健康监测...