计算机工程与应用

作者：刘沅林, 金建辉, 李盛洪, 张天赋

单位：1.昆明理工大学 信息工程与自动化学院，昆明 650500；2.中国船舶集团有限公司 第七〇五研究所，昆明 650032；3.民航云南空管分局，昆明 650299；

关键词：红外成像,热斑缺陷,YOLOv8,小目标检测,光伏板

基金：云南省“兴滇英才支持计划”（KKXY202203006）；国家自然科学基金（62363017）。

针对光伏板红外缺陷检测领域存在的公开数据集缺乏、小目标定义模糊以及现有模型小目标检测表现不佳等问题，构建并公开了PV-HSD-2025数据集，包含4?025张图像与25?181个标注框，支持16位原始红外辐射数据及多种调色板分析。通过实验建立了包括YOLO系列、EfficientDet、RTDETR-l在内的主流目标检测模型的性能基线数据。证明基于绝对像素尺度的小目标定义更符合卷积网络特性，并将缺陷分为超小目标（0~10像素）、小目标（10~20像素）和中等目标（20+像素）三类。提出YOLOv8-P1模型，通过在浅层网络增加输入特征更大的检测头，减少深层网络带来的信息衰减，从而提高小目标检测性能。YOLOv8-P1相比YOLOv8模型的mAP@50指标最大提升了10.0%，超小目标的mAP@50最大提升了16.5%。研究了YOLOv8结合辅助超推理的工程方法，结果显示mAP@50最大提升了7.5%，超小目标的mAP@50最大提升了13.3%。数据集、改进模型源码及权重已开源至Gitee：https：//gitee.com/liuyuanlin6445/pv-hsd-2025。

来源：2026年第6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6期