导读大型光伏电站中一块面板出现热斑或裂纹肉眼难以在数千块面板中定位它。无人机搭载热红外相机的巡检方案已成为行业标配但拍下来的热图交给哪个检测模型更合适YOLO 系列以速度见长Transformer 检测器以精度著称二者在光伏缺陷这一特定场景下究竟差多少本文介绍的这篇论文给出了一份系统的实测答案研究团队在同一个包含 8 类缺陷的光伏热成像数据集上用统一训练协议对 YOLOv5 到 YOLOv12 共 8 个 YOLO 版本以及 RT-DETR、RT-DETRv2、RF-DETR 共 8 个 Transformer 变体进行了全面对比。结果显示RF-DETR-Small 和 RT-DETRv2_R18vd 在 mAP0.5 上并列最高RF-DETR-Small 跨类别一致性最好STD 最低在另一座电站的未见数据上仍保持 F1-score 82.18%被论文推荐为精度、速度与稳健性综合最优的模型。论文信息标题Comparative Evaluation of YOLO- and Transformer-Based Models for Photovoltaic Fault Detection Using Thermal Imagery作者Mahdi Shamisavi, Isaac Segovia Ramirez*, Carlos Quiterio Gómez Muñoz机构西班牙马德里自治大学日期2026 年 2 月 5 日DOIhttps://doi.org/10.3390/en19030845一、光伏面板会出哪些故障为什么需要 AI 检测光伏PV面板是可再生能源发电的主力占全部可再生能源发电量的约四分之三。然而面板在生产、运输、安装和运行过程中会出现多种缺陷轻则降低发电效率重则引发火灾。论文将光伏缺陷归纳为五大类缺陷大类成因概述子类别结构缺陷制造、运输、安装中的机械应力及温度变化微裂纹和大裂纹、分层、表面损伤、气泡变形电气缺陷非接地系统中的杂散电流、串联互连断裂、焊接质量差潜在诱导退化PID、母线互连故障热缺陷模组遮挡、电池失配、二极管故障、封装损坏等导致温度异常热斑Hotspots覆盖缺陷建筑物、树木、云层遮挡及沙尘暴被覆盖的电池升温形成热斑部分遮挡、灰尘积累退化缺陷长期暴露于湿度、紫外线辐射和极端温度黄变/变色、光致退化其中覆盖缺陷导致的能量损失可达 15-20%。传统检测手段包括电气参数测量和图像处理而基于 AI 的检测属于无损检测Non-Destructive Testing可通过无人机UAV搭载热红外相机大规模自动巡检。当前的核心挑战在于数据集标注耗时、类别不平衡且大模型对边缘设备的算力要求高因此需要找到精度与效率兼顾的轻量级方案。二、16 个模型、统一协议如何设计公平对比对比的两大架构家族论文选取了16 个轻量级模型变体分属两大架构家族YOLO 系列8 个版本YOLOv5s、YOLOv6、YOLOv7、YOLOv8s、YOLOv9、YOLOv10、YOLOv11s、YOLOv12Transformer 系列8 个变体RT-DETRReal-Time DETRR18vd、R34vd、R50vd 三种骨干RT-DETRv2R18vd、R34vd、R50vd 三种骨干RF-DETRNano、Small 两个规模数据集8 类光伏热成像缺陷实验使用Thermal Solar PV Anomaly Detection Dataset包含7500 张灰度热红外图像分辨率 640 × 640 像素通过数据增强技术生成涵盖 8 个缺陷类别缩写全称含义MBPMultiByPassed多旁路MDMultiDiode多二极管故障MHSMultiHotSpot多热斑SBPSingleByPassed单旁路SDSingleDiode单二极管故障SHSSingleHotSpot单热斑SOCStringOpenCircuit串联开路SRPStringReversedPolarity串联反极性类别间存在显著不平衡SHS 类别图像最多约 7.6K 张图像、3.1K 个实例SRP 类别最少约 110 张图像、124 个实例。在目标尺寸上SRP 的平均边界框面积最大约 74.8K 平方像素SHS 最小约 1.9K 平方像素。统一训练配置所有模型在同一硬件NVIDIA A30-1-6C MIG 1g.6 GB GPU上训练 100 epochs验证集占比约 10%随机种子固定为 0。YOLO 系列使用 SGD 优化器学习率 0.01batch size 8Transformer 系列统一使用 AdamW 优化器学习率 0.0001batch size 因显存限制在 1-2 之间。三、Transformer 整体精度更高YOLO 推理速度更快精度与速度总览论文以 mAP0.5、mAP0.5:0.95、推理时间三个维度进行综合对比主要发现精度方面RF-DETR-Small 和 RT-DETRv2_R18vd在 mAP0.5 上并列最高RT-DETRv2_R18vd在 mAP0.5:0.95 上取得最高分表明其预测框与真实框的对齐精度更好Transformer 模型整体 mAP0.5 高于 YOLO 模型推理速度方面YOLOv5、YOLOv8、YOLOv10、YOLOv11推理速度最快RF-DETR-Small 推理时间约23 msRT-DETRv2_R18vd 约24 ms最慢的是 RT-DETR_R50vd约50.57 ms和 RT-DETRv2_R50vd约44.44 ms值得注意的趋势RT-DETRv2 相比 RT-DETR v1在保持相近精度的同时实现了更低的推理时间。RF-DETR 系列在 Transformer 阵营中推理时间最短同时保持了较高的 mAP0.5。图片来源于原论文Precision、Recall 与 F1 对比F1-score 最高RT-DETRv2_R34vd 和 RF-DETR-Small并列二者在精确率与召回率之间达到了最好的平衡Precision 最高RT-DETR_R50vd、RT-DETRv2_R18vd 和 RF-DETR-Small预测更准确、误检更少但 Recall 偏低Recall 最高RT-DETRv2_R34vd对真实缺陷的检出能力最强对于光伏巡检漏检一个热斑可能带来安全隐患因此高 Recall 的模型如 RT-DETRv2_R34vd在安全优先场景中值得优先考虑。四、消融实验哪类缺陷最难检、哪种尺寸最敏感4.1 各缺陷类别的检测精度以下是 8 个 Transformer 变体在各缺陷类别上的 AP0.5模型MBPMDMHSSBPSDSHSSOCSRPRT-DETR_R18vd0.8990.4670.7670.9160.7680.8150.7760.538RT-DETR_R34vd0.9430.4830.7990.9270.8030.8120.8110.583RT-DETR_R50vd0.9290.4750.7830.9300.7960.8010.8160.586RT-DETRv2_R18vd0.9180.5930.8060.9310.8130.7980.8380.602RT-DETRv2_R34vd0.8890.5520.8230.9270.8180.8140.7870.588RT-DETRv2_R50vd0.9390.4640.7860.9350.8190.8080.8050.675RF-DETR-Nano0.9210.5600.7580.9140.7320.7960.8030.704RF-DETR-Small0.8970.5860.7780.9150.7680.7910.8240.756关键发现最容易检测的类别是 SBPSingleByPassed各模型 AP0.5 均在 0.91 以上平均约 0.92最难检测的类别是 MDMultiDiodeAP0.5 最低仅 0.464RT-DETRv2_R50vd最高也只有 0.593RT-DETRv2_R18vd各缺陷类别从难到易排序MD、SRP、MHS、SD、SHS、SOC、MBP、SBP样本量较少的 MD 和 SRP 检测难度更大可能与数据集不平衡有关图片来源于原论文4.2 跨类别一致性STD 分析各模型 mAP0.5 的标准差STD反映其在不同类别间的性能波动RF-DETR-Small 的 STD 最低各类别得分最接近其整体 mAP0.5表现最为一致RF-DETR-Nano 虽然 mAP0.5 低于 RT-DETRv2_R18vd但 STD 也更低说明它在各类别间的表现更均匀当两个模型 mAP 相近时STD 更低的模型更适合需要稳定检测各类缺陷的场景。4.3 不同目标尺寸的检测性能论文将目标按边界框面积分为三类小目标0 至 32 × 32 像素、中目标32 × 32 至 96 × 96 像素、大目标96 × 96 像素以上。小目标RT-DETRv2_R18vd表现最好。论文分析认为其较小的骨干网络保留了更多特征细节减少了下采样的破坏性影响RT-DETRv2 架构将尺度内注意力intra-scale attention与跨尺度融合cross-scale fusion解耦防止小目标特征在融合过程中被淹没中目标RT-DETRv2_R18vd同样表现突出RT-DETR_R18vd 和 RT-DETRv2_R34vd 在该尺寸上表现较弱大目标RF-DETR-Small表现最佳。论文指出RF-DETR 基于 NAS神经架构搜索的设计提供了较大的有效感受野和尺度感知特征融合更适合捕获大目标所需的粗粒度高层特征RF-DETR-Small 在小目标检测上相对较弱图片来源于原论文4.4 泛化验证在未见电站数据上的测试论文选取综合表现最均衡的 RF-DETR-Small在来自另一座光伏电站的84 张红外图像上进行了泛化测试。这些图像在训练和验证阶段均未出现过拍摄条件与训练数据不同。测试时将所有缺陷类别合并为有缺陷和无缺陷两类指标数值Precision84.56%Recall79.93%F1-score82.18%从检测示例来看RF-DETR-Small 在未见图像上能够准确检测和定位 SingleHotSpot 和 MultiHotSpot 缺陷验证了该模型在不同运行环境下的可靠性。图片来源于原论文五、总结与思考论文核心结论Transformer 整体精度优于 YOLO但推理更慢。综合精度、速度和跨类别一致性RF-DETR-Small 是较为均衡的选择mAP0.5 最高梯队推理约 23 msSTD 最低追求极致速度可选 YOLOv5 或 YOLOv10需要高定位精度和小目标检测则选 RT-DETRv2_R18vd。这篇论文的价值在于为光伏缺陷检测提供了一份统一条件下的横向对比基准此前该领域多集中在改进单一模型。局限性方面数据集类别不平衡SRP 仅约 110 张 vs. SHS 约 7600 张影响小样本类别评估的公平性泛化测试规模小84 张图像且只做了合并类别评估多类别泛化能力有待验证边缘部署未验证实验使用服务器级 GPUNVIDIA A30RF-DETR-Small 约 23 ms约 43 FPS在边缘设备上的表现尚未测试论文建议未来引入 few-shot/zero-shot 架构和数据平衡策略这两个方向对标注稀缺的新电站场景有实际意义。