複雑な環境下での太陽光パネルのホットスポット故障によるマルチスケールターゲット検出の困難さの問題に対し、知識蒸留と注意機構を融合した検出アルゴリズムを提案する。故障特徴情報の効率的な抽出と保持を実現するため、高次空間相互作用とチャネル注意を融合したモジュールを設計し、ネットワークの故障特徴情報の表現能力を向上させる；複雑な背景下でのターゲット情報表現能力を強化するため、チャネル情報と位置情報を組み合わせた注意モジュールを構築し、故障位置情報の識別精度を高める；知識蒸留の考え方を用いて、教師ネットワークのパラメータを学生ネットワークに転送し、複雑さを増すことなく学生ネットワークの検出精度を向上させる。ホットスポットターゲットのより正確な位置特定のために、Focal-CIoU損失関数を導入してネットワークの収束を加速し、検出性能を向上させる。アルゴリズムの有効性を検証するために、8種類の古典的アルゴリズムと比較し、実験結果は本アルゴリズムが最も高い検出精度を持ち、精度は84.8％に達し、640×512の画像解像度で検出速度は142 FPSに達することを示している。

深層学習;太陽光ホットスポット検出;知識蒸留;注意機構