数字技术与应用杂志社

摘要：<正>随着全球能源转型加速，光伏发电规模持续扩大，光伏板作为核心部件，其表面缺陷（如隐裂、污染、腐蚀等）会显著降低发电效率并引发安全隐患。传统人工检测方法效率低、主观性强，难以满足现代化产业对高精度、高效率质量控制的迫切需求。近年来，以深度学习为代表的机器视觉技术，特别是目标检测算法，为自动化缺陷识别提供了有效途径。本文基于YOLOv8模型，构建一套智能光伏板缺陷检测系统，以实现对多类缺陷的快速、准确识别，为光伏产业质量保障与运维优化提供技术支撑。

基金资助： 2026年甘肃省高校教师创新基金项目“基于多模态融合与深度学习驱动的光伏硅晶片智能检测系统研究”（2026B-283）；

专辑： 信息科技;工程科技Ⅱ辑

专题： 电力工业;自动化技术

分类号： TM615;TP18