基于改进YOLO11n的光伏板缺陷检测方法

杨云波; 南新元; 蔡鑫

doi:10.16088/j.issn.1001-6600.2025071102

广西师范大学学报（自然科学版） ›› 2026, Vol. 44 ›› Issue (03) : 47 -59. DOI: 10.16088/j.issn.1001-6600.2025071102

基于改进YOLO11n的光伏板缺陷检测方法

杨云波, 南新元, 蔡鑫

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对光伏板缺陷检测算法中远景小目标缺陷特征易被弱化及模型复杂度高等问题，本文提出一种改进YOLO11n的轻量化光伏板缺陷检测算法(FEM-YOLO)。首先，融合FasterBlock和EMA来改进C3k2模块，构建C3k2-Faster-EMA结构，以增强网络对缺陷目标特征的学习与捕捉能力。其次，在C2PSA中加入Mona模块，优化模型的特征提取与表达能力。此外，在主干网络加入注意力机制MLCA,提升多样化目标的特征提取鲁棒性。最后，增加P2小目标检测层并设计高效检测头EfficientHead,提升对微小缺陷的捕获能力，同时降低模型复杂程度。实验结果表明，与YOLO11n模型相比，改进后的算法mAP50和mAP50-95都提升1.9个百分点，模型参数量降至2.1×10～6,存储体积压缩至4.4 MiB,改进算法在保证检测精度提升的同时大幅降低了模型复杂度。