Yihong Gao · Chengxin Pang · Xinhua Zeng · Pengyi Jiang · IEEE Access · 2025年1月

针对光伏组件缺陷检测中微小缺陷特征易丢失、计算复杂度高及边缘设备部署困难等问题，提出一种基于YOLOv8的单阶段检测模型PSA-PVdetector（PSA-det）。该模型引入部分空间注意力（PSA）机制，结合部分卷积与空间注意力，优化特征提取并降低计算开销；设计多通道特征融合（MCFF）检测头，提升小目标缺陷的定位精度；采用结合边界框形状信息的ShapeIoU作为回归损失，增强缺陷定位准确性。实验表明，PSA-det在Panel-2和Solar数据集上mAP50分别达到87.2%和72.0%...

解读: 该优化YOLOv8缺陷检测技术对阳光电源智能运维体系具有重要应用价值。PSA-det模型的2.6ms低延迟推理能力可直接部署于iSolarCloud云平台的边缘计算节点，实现SG系列光伏逆变器组件的实时缺陷诊断。其87.2%的高精度微小缺陷识别能力可增强预测性维护功能，提前发现热斑、隐裂等故障隐患，...