基于改进YOLOv8l算法的光伏热斑检测
刘泽纬
黄勇
曾晓龙
官洲洋
湖北民族大学 智能科学与工程学院,湖北 恩施 445000
摘要：针对光伏热斑因尺寸微小及分布不规则导致其难以被检测的问题,提出了一种基于改进YOLO第 8 大版(you only look once version 8 large,YOLOv8l)的高效检测算法.该算法对YOLOv8l模型的颈部网络进行了改进,引入了针对小尺寸目标的检测层,有效地提高了对微小目标的特征提取能力和检测准确性.同时,在主干网络中,传统的卷积模块被感受野注意力卷积(receptive-field attention convolution,RFAConv)模块所取代,借助改良的空间注意力机制,算法能够更集中地捕捉待检测目标的全局信息.此外,采用辅助边界框下更有效的交并比(inner-complete intersection over union,Inner-CIoU)损失函数替代原有的损失函数,模型在检测过程中能够更加灵活地调整辅助边框的大小,从而提升了检测精度.结果表明,改进YOLOv8l算法在红外光伏热斑图像检测中的精确率、召回率和平均精确率均值分别达到了 90.4%、93.2%和94.8%,相较于原始YOLOv8l算法分别提升了3.4%、2.2%和2.3%.因此,该算法在光伏热斑检测领域展现出显著的优势.
关键词：光伏组件YOLOv8lRFAConv小目标检测Inner-CIoU故障检测
分类号：TP183(自动化基础理论)
资助基金：教育部中国高校产学研创新基金(2021RYC06004)
论文发表日期：2024-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 389-394 )
英文信息