基于DSS-YOLOv11n的光伏板缺陷检测算法

来源：计算机工程与应用杂志2026年第15期北京时间：

作者：于敏, 韩基泰, 李寅

单位：1.南京信息工程大学 自动化学院，南京 210044；2.无锡学院 自动化学院，江苏 无锡 214105；

摘要：针对光伏板电致发光图像复杂背景下缺陷边缘信息特征提取困难、特征融合效果低以及检测精度不高等问题，提出一种基于YOLOv11n的改进模型——DSS-YOLOv11n。设计了不同尺度边缘信息选择模块（different-scale edge information select，DEIS），替代主干网络中的C3k2模块，通过多尺度池化、边缘增强与双域选择机制强化不同尺度缺陷边缘信息特征提取，提升模型对边缘特征的感知能力。在颈部网络构建了软特征金字塔网络（soft feature pyramid network，SFPN），通过SNI（soft nearest neighbor interpolation）算法与改进型GSConvE卷积，改善特征的对齐与融合效果。提出共享细节增强检测头（shared detail-enhanced detection head，SDED），采用共享卷积层结合多方向差分卷积的细节增强卷积，强化缺陷信息捕获，提升模型检测精度，同时减少模型参数量。实验结果表明，相比原始模型，DSS-YOLOv11n的准确率（P）、召回率（R）与mAP50分别提升2.7、3.8和3.2个百分点，参数量减少14%，说明所提出方法能够在较低参数规模下有效提升光伏板缺陷检测性能，具有一定的工程应用价值。

关键词：目标检测,光伏板缺陷,YOLOv11n,边缘信息,特征金字塔网络,检测头

基金资助：“太湖之光”科技攻关(基础研究)基金项目(K20221051)。