多尺度特征增强的 YOLOv8在光伏电站全景巡检中的应用与验证

王 建峰
天津电子信息职业技术学院

摘要

随着光伏产业规模不断扩张，高效精准的光伏电站巡检成为保障其稳定运行的关键。本文提出基于多尺度特征增
强的 YOLOv8 算法用于光伏电站全景巡检，通过优化网络结构，增强对不同尺度光伏组件及缺陷的特征提取能力。在自建
数据集上的实验表明，改进后的算法 mAP@0.5 达到 0.852，相较于原始 YOLOv8 提升 7.6%，在检测速度与精度上取得良
好平衡，为光伏电站智能化运维提供了可靠的技术方案。

关键词

光伏电站；全景巡检；YOLOv8；多尺度特征增强；目标检测

参考

[1] 郭 琛 . 光 伏 电 站 电 气 设 备 的 检 测 技 术 分 析

[J]. 集 成 电 路 应 用 ,2021,38(12):78-79.DOI:10.19339/

j.issn.1674-2583.2021.12.030.

[2] 李文强 , 谭志勇 . 光伏发电场运维安全防误管控技

术 [J]. 农 村 电 气 化 ,2019,No.389(10):55-57+63.DOI:10.13882/

j.cnki.ncdqh.2019.10.017.

[3] 伊欣同 , 单亚峰 . 基于改进 Faster R-CNN 的光伏电

池内部缺陷检测 [J]. 电子测量与仪器学报 ,2021,35(01):40-47.

DOI:10.13382/j.jemi.B2003300.

[4] 刘 怀 广 , 丁 晚 成 , 黄 千 稳 . 基 于 轻 量 化 卷 积 神

经 网 络 的 光 伏 电 池 片 缺 陷 检 测 方 法 研 究 [J]. 应 用 光

学 ,2022,43(01):87-94.

[5] Redmon J, Farhadi A. YOLOv3: An Incremental

Improvement[J]. arXiv preprint arXiv:1804.02767, 2018.

[6] Bochkovskiy A, Wang C Y, Liao H Y M. YOLOv4:

Optimal Speed and Accuracy of Object Detection[J]. arXiv preprint

arXiv:2004.10934, 2020.