基于全局与局部特征提取增强的光伏板缺陷检测算法

来源：计算机工程与应用杂志2025年第12期北京时间：

作者：苏俊, 唐潮龙, 刘智权, 黄超艺, 黄初指

单位：1.厦门理工学院 电气工程与自动化学院，福建 厦门 361024；2.厦门市高端电力装备及智能控制重点实验室，福建 厦门 361024；3.国网福建省电力有限公司 泉州供电公司，福建 泉州 362101

摘要：光伏板作为光伏发电系统的核心组件，其质量直接关系到发电效率和电路安全。然而，现有的光伏板缺陷检测算法在特征提取时未能充分结合卷积神经网络（convolutional neural network，CNN）与Transformer的优势，这在一定程度上限制了模型的整体性能。为此，提出了一种基于全局与局部特征提取增强的光伏板缺陷检测算法（global and local feature enhanced YOLOX，GLF-YOLOX）。在编码阶段，结合CNN和Transformer的特长，设计了双分支主干网络，用于高效提取图像的局部细节和全局上下文信息。通过全局与局部增强注意力机制，动态融合全局与局部特征，增强模型对目标区域的关注能力并强化细节特征表达。设计了基于Transformer编码器层的检测头，用于精确建模全局特征并优化特征表达，从而显著提升分类任务的准确性。实验结果表明，所提算法在消融实验和对比实验中均表现优异，相较于主流目标检测方法，在平均精度（mean average precision，mAP）指标上提高了约 4.5%，进一步验证了算法的有效性和优越性。

关键词：光伏板,缺陷检测,卷积神经网络（CNN）,Transformer,双分支