Para resolver o problema da dificuldade na detecção de alvos multiescala causados por defeitos de pontos quentes em painéis fotovoltaicos em ambientes complexos, propõe-se um algoritmo de detecção que integra destilação de conhecimento e mecanismo de atenção. Para realizar a extração e retenção eficiente das informações das características da falha, foi projetado um módulo que integra interação espacial de alto nível e atenção por canal para melhorar a capacidade da rede de expressar as informações das características da falha; para reforçar a capacidade de expressão das informações do alvo em fundos complexos, construiu-se um módulo de atenção que combina informações de canal e de posição para aprimorar a precisão de reconhecimento da localização da falha pela rede; adotou-se o conceito de destilação de conhecimento para transferir os parâmetros da rede professora para a rede estudante, melhorando a precisão da detecção da rede estudante sem aumentar a complexidade. Para localizar com maior precisão os alvos de pontos quentes, introduziu-se a função de perda Focal-CIoU para acelerar a convergência da rede, melhorando assim o desempenho da detecção. Para validar a eficácia do algoritmo, foi realizada uma comparação com 8 algoritmos clássicos; os resultados experimentais mostram que o algoritmo proposto apresenta a maior precisão de detecção, alcançando 84,8%, e a velocidade de detecção para imagens com resolução 640×512 chega a 142 FPS.

aprendizado profundo;detecção de pontos quentes fotovoltaicos;destilação de conhecimento;mecanismo de atenção