今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于自适应多尺度注意力增强YOLOv8s的光伏组件智能缺陷检测研究

《Scientific Reports》:Adaptive multi-scale YOLOv8s framework for defect detection in photovoltaic facilities

【字体: 大 中 小 】 时间:2026年10月22日 来源:Scientific Reports 4.9

编辑推荐:

   摘要光伏(PV)组件广泛应用于建筑一体化光伏系统和可再生能源基础设施。准确的缺陷检测对于提高光伏系统的可靠性、能源效率和可持续运行至关重要。然而,现有的基于深度学习的检测方法仍面临漏检、小缺陷定位不精确,以及因缺陷尺度变化和背景干扰导致在复杂工况下鲁棒性有限的问题。本研究提出

  

摘要

光伏(PV)组件广泛应用于建筑一体化光伏系统和可再生能源基础设施。准确的缺陷检测对于提高光伏系统的可靠性、能源效率和可持续运行至关重要。然而,现有的基于深度学习的检测方法仍面临漏检、小缺陷定位不精确,以及因缺陷尺度变化和背景干扰导致在复杂工况下鲁棒性有限的问题。本研究提出了一种自适应多尺度注意力增强 YOLOv8s 框架(AMA-YOLOv8s),用于光伏组件的智能缺陷检测。与基线 YOLOv8s 相比,所提出的框架整合了三个专为光伏缺陷检测新设计的模块:自适应瓶颈注意力机制(ABAM)、多尺度自适应融合模块(MSAFM)和自适应池化融合模块(APFM)。引入 ABAM 是为了增强与缺陷相关的特征表示并抑制无关的背景信息,而 MSAFM 和 APFM 旨在加强多尺度特征融合并改善对小且不规则缺陷的检测。此外,通过整合公开可用的图像、现场采集的样本和数据增强策略,构建了一个全面的光伏缺陷数据集。实验结果表明,AMA-YOLOv8s 在当前评估数据集上实现了 93.2% 的精确率、92.7% 的 F1 分数和 93.5% 的 mAP@0.5。与 YOLOv8s 基线相比,AMA-YOLOv8s 在保持相当的实时推理速度的同时,在检测性能上取得了提升。尽管最近的轻量化 YOLO 变体在某些单项指标和计算复杂度上保留优势,但其整体性能与评估的检测器具有竞争力。这些结果证明了所提出的协同注意力与多尺度特征融合设计在光伏缺陷检测中的实际有效性。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:光伏缺陷检测|YOLOv8s|注意力机制|多尺度特征融合|深度学习

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号