基于改进YOLOv8-EDD的光伏板缺陷检测

doi:10.3969/j.issn.1006-2475.2025.09.006

计算机与现代化 ›› 2025, Vol. 0 ›› Issue (09): 43-49.doi: 10.3969/j.issn.1006-2475.2025.09.006

基于改进YOLOv8-EDD的光伏板缺陷检测

（1.国能锦界能源有限责任公司，陕西榆林 719319； 2.中国电建集团华东勘测设计研究院有限公司，浙江杭州 311122；
3.三峡大学电气与新能源学院，湖北宜昌 443002）

出版日期:2025-09-24 发布日期:2025-09-24
作者简介: 作者简介：贾涛（1984—），男，陕西榆林人，工程师，本科，研究方向:新能源发电系统运维管理，E-mail: jtao1984@126.com；吴月超（1988—），男，河北承德人，高级工程师，博士，研究方向:信息系统运维管理，E-mail: wu_yc@fdec.com；吕洋（1995—），男，工程师，硕士，研究方向:信息系统运维管理，E-mail: lv_y2@hdec.com；通信作者:付文龙（1988—），男，湖北仙桃人，副教授，博士，研究方向:智能控制，机器视觉，人工智能应用，E-mail: ctgu_fuwenlong@126.com。

Defect Detection of Photovoltaic Panel Based on Improved YOLOv8-EDD

（1. Guoneng Jinjie Energy Co.， Ltd.， Yulin 719319， China；
2. Power China Huadong Engineering Co.， Ltd.， Hangzhou 311122， China；
3. College of Electrical Engineering and New Energy， China Three Gorges University， Yichang 443002， China）

Online:2025-09-24 Published:2025-09-24
Supported by:
基金项目：湖北省自然科学基金联合基金资助项目（2024AFD409）

摘要/Abstract

摘要：
摘要：针对现有光伏板缺陷检测方法精度低、检测速度慢等问题，提出一种改进的YOLOv8-EDD光伏板缺陷检测模型。首先，引入多尺度注意力机制EMA，使YOLOv8模型能够更好地关注光伏板缺陷区域；其次，在原有C2f模块中引入可变形卷积DCNv2，增强模型对不规则缺陷形状的提取能力，同时为了缓解由于DCNv2参数量大导致模型检测速度降低的问题，使用DySample轻量级上采样算子替换YOLOv8原有上采样算子，以降低模型参数量和计算复杂度，提高模型的检测速度；最后，引入WIoUv3损失函数，降低低质量样本对模型精度影响，提高模型的泛化能力。实验中，改进的YOLOv8-EDD模型与原始模型相比精度提高了15.3百分点，召回率提高了11.3百分点，均值平均精度提高了10.5百分点，检测速度增长了6.5 FPS。结果表明，本文所提出的改进模型在提高检测精度的同时具有更快的检测速度，更适用于光伏板缺陷检测。

关键词: 关键词：YOLOv8, 光伏板缺陷检测, EMA, DySample, WIoUv3

Abstract:
Abstract： To solve the problems of low accuracy and slow detection speed of existing defect detection methods for photovoltaic panels， an novel defect detection model for photovoltaic panels is proposed based on improved YOLOv8-EDD. Firstly， multi-scale attention mechanism EMA is introduced to enable YOLOv8 model to pay more attention to the defect area of photovoltaic panels. Secondly， deformable convolutional DCNv2 is embedded into the original C2f module to enhance the model’s ability to extract irregular defect shape. At the same time， in order to alleviate the problem of reduced model detection speed due to the large number of DCNv2 parameters， the DySample lightweight upsampling operator is used to replace the original upsampling operator of YOLOv8 to reduce the number of model parameters and calculation complexity， thus to enhance the detecting speed. Finally， WIoUv3 loss function is integrated to reduce the influence of low-quality samples on the accuracy and improve the generalization ability of the model. In the experiment， compared with the original model， the accuracy of the improved YOLOv8-EDD model increases by 15.3 percentage points， the recall rate increases by 11.3 percentage points， mean of the average accuracy increases by 10.5 percentage points， and the detection speed has increased by 6.5 FPS. The results show that the proposed model not only improves the detection accuracy but also has faster detection speed， and is more suitable for the defect detection of photovoltaic panels.

Key words: Key words： YOLOv8, photovoltaic panel defect detection, EMA, DySample, WIoUv3

中图分类号:

中图分类号：TP391.41

贾涛1, 吴月超2, 吕洋2, 付文龙3. 基于改进YOLOv8-EDD的光伏板缺陷检测[J]. 计算机与现代化, 2025, 0(09): 43-49.

JIA Tao1, WU Yuechao2, LYU Yang2, FU Wenlong3. Defect Detection of Photovoltaic Panel Based on Improved YOLOv8-EDD[J]. Computer and Modernization, 2025, 0(09): 43-49.

参考文献

［1］ MAZEN F M A， SEOUD R A A， SHAKER Y O. Deep learning for automatic defect detection in PV modules using electroluminescence images［J］. IEEE Access， 2023，11:57783-57795.
［2］ WANG Y， ZHAO J Y， YAN Y H， et al. Pushing the boundaries of solar panel inspection: Elevated defect detection with YOLOv7-GX technology［J］. Electronics， 2024，13（8）. DOI: 10.3390/electronics13081467.
［3］ HUANG J， ZENG K Y， ZHANG Z J， et al. Solar panel defect detection design based on YOLOv5 algorithm［J］. Heliyon， 2023，9（8）. DOI：10.1016/j.heliyon.2023.e18826.
［4］林永君，张世成，杨凯，等. 基于时钟循环神经网络的光伏故障诊断［J］. 山东电力技术， 2024，51（1）:52-58.
［5］耿洪彬，张英杰，魏燕飞，等. 基于多源数据的光伏电站在线热斑检测性能评价系统研究［J］. 山东电力技术， 2023，50（1）:14-19.
［6］朱成杰，刘乐乐，朱洪波. 多尺度的YOLOv8-MNS光伏板缺陷检测算法［J/OL］. 重庆工商大学学报（自然科学版）:1-9［2024-09-16］. https://wenku.csdn.net/answer/hqor268i4m.
［7］ ESQUIVEL O. Contrast Imaging Method for Inspecting Specular Surface Devices: U.S. Patent 6，433，867［P］. 2002-08-13.
［8］ KANG B K， KIM S T， BAE S H， et al. Diagnosis of output power lowering in a PV array by using the Kalman-filter algorithm［J］. IEEE Transactions on Energy Conversion， 2012，27（4）:885-894.
［9］曹燕，李欢，王天宝. 基于深度学习的目标检测算法研究综述［J］. 计算机与现代化， 2020（5）:63-69.
［10］ HE K M， GKIOXARI G， DOLLÁR P， et al. Mask R-CNN［C］// Proceedings of 2017 IEEE International Conference on Computer Vision. IEEE， 2017:2961-2969.
［11］ REN S Q， HE K M， GIRSHICK R， et al. Faster R-CNN: Towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2016，39（6）:1137-1149.
［12］鲁东林，王淑青，鲁濠，等. 一种改进Faster R-CNN的太阳能电池片缺陷检测方法［J］. 激光杂志， 2022，43（3）:50-55.
［13］ LIU W， ANGUELOV D， ERHAN D， et al. SSD: Single shot multibox detector［C］// Proceedings of the 14th European Conference on Computer Vision-ECCV 2016. Springer， 2016:21-37.
［14］ REDMON J， DIVVALA S， GIRSHICK R， et al. You only look once: Unified， real-time object detection［C］// Proceedings of 2016 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2016:779-788.
［15］焦思韬，王可庆，周奇，等. 基于改进SSD算法的光伏板缺陷检测研究［J］. 软件， 2023，44（12）:47-52.
［16］孔松涛，徐甄泽，林星宇，等. 基于改进YOLOv5算法的光伏组件红外热成像缺陷检测［J］. 红外技术， 2023，45（9）:974-981.
［17］周启宸，王伯超. 基于改进YOLOv7的太阳能电池片表面缺陷检测［J］. 计算机应用， 2023，43（增2）:223-228.
［18］ NIU S， XU X， LIANG A， et al. Research on a lightweight method for maize seed quality detection based on improved YOLOv8［J］. IEEE Access， 2024，12:32927-32937.
［19］ SHEN L， LANG B， SONG Z. Infrared object detection method based on DBD-YOLOv8［J］. IEEE Access， 2023， 11:145853-145868.
［20］ LIU M X， LI R X， HOU M X， et al. SD-YOLOv8: An accurate seriola dumerili detection model based on improved YOLOv8［J］. Sensors， 2024，24（11）. DOI：10.3390/s24113647.
［21］ OUYANG D L， HE S， ZHANG G L， et al. Efficient multi-scale attention module with cross-spatial learning［C］// 2023 IEEE International Conference on Acoustics， Speech and Signal Processing （ICASSP）. IEEE， 2023:1-5.
［22］ ZHU X Z， HU H， LIN S， et al. Deformable convnets v2: More deformable， better results［C］// Proceedings of 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2019:9308-9316.
［23］ LIU W Z， LU H， FU H T， et al. Learning to upsample by learning to sample［C］// Proceedings of 2023 IEEE/CVF International Conference on Computer Vision. IEEE， 2023:6027-6037.
［24］ TONG Z J， CHEN Y H， XU Z W， et al. Wise-IoU: Bounding box regression loss with dynamic focusing mechanism［J］. arXiv preprint arXiv:2301.10051， 2023.
［25］雷帮军，余翱，余快. 基于YOLOv8s改进的小目标检测算法［J］. 无线电工程， 2024，54（4）:857-870.
［26］熊恩杰，张荣芬，刘宇红，等. 面向交通标志的Ghost-YOLOv8检测算法［J］. 计算机工程与应用， 2023，59（20）:200-207.
［27］ SU B Y， ZHOU Z， CHEN H Y. PVEL-AD: A large-scale open-world dataset for photovoltaic cell anomaly detection［J］. IEEE Transactions on Industrial Informatics， 2022，19（1）:404-413.
［28］ WANG J Q， CHEN K， XU R， et al. CARAFE: Content-aware reassembly of features［C］// Proceedings of 2019 IEEE/CVF International Conference on Computer Vision. IEEE， 2019:3007-3016.

[1]	高莉莎1, 彭国政2, 王翀1, 韩硕1, 项楠1, 张启哲2, 朱跃飞3, 程旭3. 基于YOLOv5的双主干网络绝缘子缺陷检测算法[J]. 计算机与现代化, 2025, 0(08): 82-88.
[2]	李子贺, 王一丁. 不同视角三维人体关键点动作相似度计算[J]. 计算机与现代化, 2025, 0(07): 63-68.
[3]	王鹏1, 倪彬1, 郭壮壮1, 张书盛1, 王志1, 蔡润楷2. 基于改进YOLOv5的架空线路关键部件典型缺陷识别[J]. 计算机与现代化, 2025, 0(02): 114-120.
[4]	涂福泉, 戚晏奇, 刘建, 汪曙峰. 基于改进YOLOv8s的金属齿轮表面瑕疵检测算法 [J]. 计算机与现代化, 2025, 0(01): 100-106.
[5]	勾荣. RiemannLiouville分数阶积分的图像去噪算法[J]. 计算机与现代化, 2016, 0(5): 13-17.
[6]	王正敏,张太红,李永可,白涛. FreeMarker模板引擎在线动态生成Excel和Word文档技术[J]. 计算机与现代化, 2016, 0(4): 109-113.
[7]	李宗花,张磊. 基于XML Schema的轻量级异构数据集成方法[J]. 计算机与现代化, 2015, 0(11): 93-98.
[8]	魏颖. 基于Maven的J2EE后台管理系统代码生成器[J]. 计算机与现代化, 2014, 0(2): 46-50.
[9]	廖旺胜;范冰冰. 基于CMS的属性自定义方案的设计与应用[J]. 计算机与现代化, 2013, 1(8): 140-144.
[10]	魏伟. 基于REST的个性化数据重用方法[J]. 计算机与现代化, 2013, 1(5): 215-218.
[11]	王福贵;侯建文. 基于Mathematica的线性方程组的可视化求解[J]. 计算机与现代化, 2013, 1(5): 149-154.
[12]	杨平，刘在英 . 基于相对链码和改进LCS算法的图形匹配实现[J]. 计算机与现代化, 2013, 12(12): 106-109.
[13]	苏见欣;姚剑敏;郭太良;林志贤. 基于成对几何直方图的PCB标志检测与匹配[J]. 计算机与现代化, 2012, 1(6): 43-46.
[14]	屈建明;陈洁. FreeMarker模板引擎动态生成网页的应用研究[J]. 计算机与现代化, 2011, 1(3): 121-123.
[15]	吴泽志;黄红梅. 数据库镜像XML Schema模式的应用研究[J]. 计算机与现代化, 2009, 1(11): 3-5.

基于改进YOLOv8-EDD的光伏板缺陷检测

Defect Detection of Photovoltaic Panel Based on Improved YOLOv8-EDD

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价