基于FBCT-YOLOv8算法的光伏面板近红外缺陷检测方法

《Scientific Reports》：Near-infrared defect detection method for photovoltaic panels based on the FBCT-YOLOv8 algorithm

　　

摘要

在光伏面板的近红外缺陷检测中，经常遇到诸如缺陷尺寸变化较大、缺陷形态多样且难以识别、以及难以检测到微小缺陷目标等挑战。为了解决这些问题，本文提出了一种基于FBCT-YOLOv8算法的光伏面板近红外缺陷检测方法。该方法在YOLOv8的基础上引入了全维度动态卷积（ODConv），该机制能够自适应地调整所有维度上的卷积特性，从而更精确地匹配输入特征分布，并增强关键信息的提取能力。随后，采用轻量级的跨尺度特征融合模块（CCFM）来高效整合不同尺度上的特征，弥补单一尺度特征的局限性，显著提高网络对尺寸变化的适应能力，并提升微小缺陷的检测精度。此外，还引入了动态头部（DyHead）来统一基于注意力机制的检测模块，进而提升检测性能。最后，利用InnerWIoU损失函数来适应需要动态调整损失重点的场景。实验结果表明，所提出的FBCT-YOLOv8算法将计算量（GFLOPs）降低到了7.0，同时实现了0.91的mAP@50值，满足了光伏面板近红外缺陷检测的实时性能要求。此外，通过消融实验和对比实验进一步验证了该方法的有效性和优越性。