RTDETR-CELite：通过边缘感知和跨通道特征融合实现轻量级遥感光伏缺陷检测

《IEEE Journal of Photovoltaics》：RTDETR-CELite: Lightweight Remote Sensing PV Defect Detection via Edge-Aware and Cross-Channel Feature Fusion

实时检测Transformer（RTDETR）结合轻量化边缘计算优化模型（CELite）在复杂光伏场景中实现红外热点高精度检测，通过CSP-ELGCA-CGLU模块增强局部-全局注意力，ConvEdgeFusion模块融合浅层边缘与多尺度语义特征，使参数减少31.6%（降至13.6M），计算成本降低17.4%（47.1 GFLOPs），检测速度达300.5 FPS，mAP50提升至84.06%。

　　

摘要：

为了解决复杂光伏（PV）环境中目标边界模糊、特征分布不均以及计算成本高昂的问题，本文提出了一种基于轻量级无人机（UAV）的红外热点检测模型——实时检测变换器（RTDETR-CELite）。该模型采用了RTDETR-R18，并整合了CSP_ELGCA_CGLU模块，该模块结合了局部-全局注意力机制和门控通道增强技术，从而提高了对关键区域的识别能力，同时降低了计算复杂度。此外，还设计了ConvEdgeFusion模块，用于将浅层边缘结构与多尺度语义特征相结合。这些改进显著提升了模型对热点边界及其分布区域的准确描述能力，有效减少了误报和漏报现象。实验结果表明，RTDETR-CELite在保持检测性能的同时显著缩小了模型规模：mAP50从82.04%提升至84.06%，mAP50:95从62.01%提升至62.56%；模型参数数量减少了31.6%，降至1360万（13.6M）个；计算成本下降了17.4%，降至47.1 GFLOPs；推理速度提升至300.5 FPS。这些结果表明，RTDETR-CELite在精确度和计算效率之间取得了良好的平衡，非常适合用于基于UAV或边缘设备的光伏热点实时识别应用，在实际场景中展现出巨大潜力。