计算机工程与应用

作者：刘婷婷, 宋家友

单位：1.郑州西亚斯学院 计算机与软件工程学院，郑州 451150；2.河南省智能制造数字孪生工程研究中心，郑州 451150；3.郑州大学 电气与信息工程学院，郑州 450001；

关键词：光伏电池板组件,缺陷检测,多模态特征融合,改进YOLOv12,子块正交调制,热梯度残差网络

基金：河南省科技攻关项目（242102210088）；郑州西亚斯学院校级项目（2023-D033）。

由于光伏电站中电池板组件的数量巨大，且长时间处于复杂恶劣的户外环境中，极易出现各类缺陷问题，给日常维护工作带来极大挑战。为了提高光伏电池板组件缺陷检测的精度和效率，利用各类缺陷在可见光与红外图像中的特征差异，提出了一种融合多模态特征与改进YOLOv12的光伏电池板组件缺陷检测方法。在YOLOv12网络框架上设计了子块正交调制模块来提取可见光图像特征，并通过构建方向判别的低秩子空间增强对弱小纹理类缺陷的感知，从而缓解模态特征表达差异问题。在ResNet-50的基础上引入热梯度残差网络，并利用建模红外图像中的温度变化结构，提升对热异常及复合缺陷的建模能力。设计了双谱一致焦点损失函数，显式对齐不同模态下的特征聚焦区域，提升模态协同感知效果与复杂环境下的鲁棒性。实验结果表明，设计的改进策略对提升模型的检测性能具有独立有效性与协同增益能力，能够准确、高效地识别出光伏电池板组件上各种复合缺陷的类型，检测精度、召回率和mAP分别达到了97.8%、95.4%和96.8%，相比YOLOv12分别提升了4.3、4.6和4.4个百分点，有效抑制了误检与漏检现象的发生，且保持了较高的推理速度，为光伏电站的智能化维护提供了可靠的技术保障。

来源：2026年第7期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第7期