PV-YOLO: Collaborative Lightweight Improved YOLOv8 for Micro-Defect Detection of Photovoltaic Cells in UAV Edge Inspection

Resumen Técnico: PV-YOLO para la detección de microdefectos en células fotovoltaicas

Planteamiento del problema
El funcionamiento fiable de los módulos fotovoltaicos (PV) es fundamental para la eficiencia energética; sin embargo, los microdefectos como microfisuras, puntos calientes (hotspots) y rejillas rotas a menudo pasan desapercibidos para las inspecciones manuales tradicionales o los métodos de visión artificial estándar. Estos defectos, que suelen ser sutiles y presentan un bajo contraste frente a fondos complejos, provocan una degradación significativa de la potencia y pérdidas financieras. Aunque el aprendizaje profundo ha avanzado en la detección de defectos, los modelos existentes se enfrentan a un compromiso crítico: los modelos de alta precisión suelen ser demasiado pesados computacionalmente para el despliegue en tiempo real en el borde (edge) (por ejemplo, en UAVs), mientras que los modelos ligeros frecuentemente sufren de una sensibilidad insuficiente hacia objetivos pequeños y de bajo contraste, además de altas tasas de detecciones omitidas. Asimismo, las estrategias de fusión de características multiescala estáticas no logran adaptarse a los diversos tamaños de los defectos fotovoltaicos.

Metodología
Los autores proponen PV-YOLO, un modelo YOLOv8n mejorado y colaborativo de bajo peso diseñado específicamente para la inspección en el borde mediante UAV. La arquitectura integra cuatro módulos personalizados para equilibrar la precisión de detección con la eficiencia computacional:

1. Backbone C2f_faster: Para optimizar la transmisión de gradientes y reducir la redundancia computacional, los bloques Bottleneck del módulo C2f estándar se reemplazan con módulos FasterBlock. Estos utilizan la Convolución Parcial (PConv) para extraer características espaciales de un subconjunto de canales mientras dejan otros sin cambios, reduciendo significativamente las operaciones de punto flotante (FLOPs) y el volumen de acceso a la memoria.
2. GhostConv: Para abordar la redundancia de características, las convoluciones estándar se reemplazan con GhostConv. Este módulo genera un subconjunto de mapas de características intrínsecas mediante convolución estándar y luego produce mapas de características "fantasma" adicionales utilizando operaciones lineales de bajo costo, comprimiendo eficazmente el modelo sin perder información clave del defecto.
3. Atención Multiescala Eficiente (EMA): Para mejorar la sensibilidad a los microdefectos tenues, se introduce el módulo EMA. Este emplea agrupación de características, subredes paralelas y aprendizaje de dominio cruzado para fusionar características de atención local y global. Esto permite al modelo enfocarse en variaciones de escala de grises sutiles e información de bordes, distinguiendo defectos reales del ruido de fondo.
4. Red de Pirámide de Características Adaptativa (AFPN): Reemplazando las estrategias de fusión estáticas, la AFPN ajusta dinámicamente los pesos de fusión de las características multiescala basándose en la información del tamaño del defecto. Incorpora la fusión directa de características entre niveles no adyacentes y la fusión espacial adaptativa para fortalecer la representación de objetivos de tamaño pequeño y mediano.

El modelo fue entrenado y evaluado en el conjunto de datos PVEL-AD, que comprende 4,500 imágenes de infrarrojos cercanos (EL e IR) con 12 categorías de defectos distintas. Para abordar el desequilibrio de clases, se aplicó una aumentación de datos dirigida (transformaciones geométricas y fotométricas) a las clases minoritarias.

Contribuciones Clave

• Backbone Optimizado: El módulo C2f_faster reduce los FLOPs del backbone en un 21.0% en comparación con el baseline YOLOv8n, mejorando al mismo tiempo el flujo de gradientes para características de bajo contraste.
• Convolución Ligera: La integración de GhostConv reduce el volumen de parámetros del modelo en un 10.96% y los FLOPs en un 3.7% en comparación con el baseline.
• Sensibilidad Mejorada: El módulo EMA se dirige específicamente a la baja sensibilidad de los mecanismos de atención generales hacia los microdefectos fotovoltaicos, aumentando la tasa de recuperación (recall) para microfisuras en un 7.2% sobre el baseline.
• Fusión Dinámica: El módulo AFPN mejora el mAP@0.5 para la detección de defectos pequeños en un 3.14% en comparación con las FPN estáticas tradicionales al adaptarse a la variedad de tamaños de los defectos.
• Solución Desplegable en el Borde: El sistema completo se valida en hardware NVIDIA Jetson Orin con aceleración CUDA y TensorRT, logrando velocidades de inferencia en tiempo real.

Resultados Experimentales
Los experimentos realizados en el conjunto de datos PVEL-AD demuestran que PV-YOLO alcanza un 72.3% de mAP@0.5, lo cual es un 3.13% superior al baseline original de YOLOv8n. Notablemente, la recuperación (recall) para microfisuras aumentó en un 7.2%. A pesar de estas mejoras en la precisión, el modelo mantiene un perfil ligero con 2.68M de parámetros y 7.8 GFLOPs, lo que representa una reducción del 2.46% en FLOPs respecto al baseline.

En términos de despliegue, el modelo se ejecuta a 140 FPS en el dispositivo de borde NVIDIA Jetson Orin. El análisis comparativo frente a otros modelos ligeros de última generación (por ejemplo, YOLO11n, YOLO13n) y arquitecturas más pesadas (por ejemplo, Faster R-CNN, YOLOv8x) confirma que PV-YOLO ofrece un equilibrio superior entre precisión y eficiencia, superando a las variantes ligeras más nuevas en mAP y recall, manteniendo costos computacionales significativamente menores.

Significado
El artículo afirma que PV-YOLO proporciona una solución desplegable práctica para la inspección automatizada y en tiempo real de células fotovoltaicas en escenarios industriales. Al abordar con éxito las limitaciones del flujo de gradientes, la redundancia de características y la fusión estática en los detectores ligeros existentes, el método propuesto permite que los UAVs realicen inspecciones masivas y eficientes con alta precisión. Esta capacidad es crucial para minimizar las pérdidas por degradación de potencia y reducir los costos de mano de obra y tiempo asociados con los métodos de inspección manual tradicional. El estudio valida que los modelos de aprendizaje profundo pueden optimizarse eficazmente para entornos de borde con recursos limitados sin sacrificar la detección de microdefectos críticos.