基于改进YOLOv8模型的光伏板热斑检测方法

本发明提供一种高效且低推理延迟、检测精度和定位精度高的基于改进YOLOv8模型的光伏板热斑检测方法。本发明采用Visual RetNet架构替换YoLov8中backone的C2f模块特征提取主干网络，提高特征提取能力，优化网络结构；引入与距离相关的空间先验知识的Retention自注意力机制ReSA到视觉RetNet网络中。同时将ReSA沿着图像的两个轴进行分解，降低了计算复杂性；使用基于改进YOLOv8模型的光伏板热斑检测模型在光伏运维数据集上进行了测试，实验结果显示，上述方法能明显提升光伏板的热斑故障检测精度和定位准确度，能够准确分析热斑缺陷，且能够实时检测，效率非常高且低推理延迟，便于及时进行维修处理。适合在图像识别技术领域推广应用。