摘要：针对现有的分布式光伏电池板缺陷检测精度低、计算量高、参数量大以及复杂背景多变等因素导致的误检、漏检问题,提出了一种改进的轻量级YOLOv8分布式光伏电池板缺陷检测算法。采用高效轻量级的StarNet网络架构作为特征提取网络,减少计算成本和参数量,实现高效率和高性能之间平衡;设计SPPF-AM模块,增强了模型对空间信息的感知能力,有效应对不同尺度的目标;加入三元组注意力机制Triplet,有效地提取多尺度目标特征,提升模型的表征能力和任务性能;设计C2f_DSConv2D结合可变形卷积取代原网络中的C2f,以较低的存储和较高的计算速度,从而提高缺陷检测模型的效率;在特征融合网络中引入空间上下文感知模块SCAM,减少噪声影响,有效抑制图像中的噪声,抑制无关背景信息的干扰。设计ECIoU替换CIoU,增强边界框损失的拟合能力,加快网络模型的收敛速度。实验结果表明:改进后的YOLOv8模型参数量下降35%,计算量下降29.6%,检测精度达到了90.1%,mAP@50从85.9%提升到了89.7%,提升了4.2%。改进后模型在参数量、计算量下降的情况下检测精度也有一定的提升。所提出的改进算法在缺陷检测任务中表现出了较好的性能,有效增强了光伏电池板缺陷检测模型的检测性能。