FHDG-YOLO：一种用于光伏裂纹检测的频域混合变形与几何回归网络

《Computers》：FHDG-YOLO: A Frequency-Domain Hybrid Deformation and Geometry-Regression Network for Photovoltaic Crack Detection

　　

摘要

可见光光伏（PV）检测受到周期性栅线背景、低对比度裂纹、不规则裂纹拓扑以及细长缺陷极端长宽比等因素的影响。针对上述难题，本研究提出了一种频域混合形变与几何回归YOLO网络，称为FHDG-YOLO。该方法引入频域动态解耦卷积以衰减周期性背景响应，整合高分辨率P2检测头与高效多尺度注意力机制以保留并重新校准浅层空间细节，嵌入DCNv2以适应不规则缺陷边界的卷积采样，并用MicroShape-IoU替换原有的回归损失以实现几何敏感的定位。实验在一个重新组织的二类可见光PV数据集上进行，该数据集包含6493张图片，其中6262张为筛选的公开图片，231张为由作者采集的现场图片。在1300张验证集上，FHDG-YOLO的精确率为0.954，召回率为0.943，mAP@0.5为0.971，mAP@0.5:0.95为0.861。与YOLOv8n相比，mAP@0.5和mAP@0.5:0.95分别提升了3.6和6.9个百分点。在留存的649张测试集上，对应的mAP值分别为0.970和0.860，而YOLOv8n分别为0.931和0.785。在原始的Panel Solar四类别验证协议下，FHDG-YOLO的mAP@0.5和mAP@0.5:0.95分别为0.954和0.843，而YOLOv8n分别为0.929和0.780。