太阳能电池板在光伏系统中的广泛应用,使其性能和可靠性的监控变得尤为重要.光照条件复杂以及背景干扰严重,使传统检测算法在太阳能电池板缺陷检测中的表现不佳.为此,基于YOLOv8算法提出了一种改进方法YOLOv8LZW,针对当前检测难点进行了优化,首先利用了LNAConv模块,结合平均池化和最大池化,能够高效提取多尺度特征,降低计算成本,提升检测的速度与精度.此外设计了新型探头ZTDCDetect,该探头通过任务动态对齐,有效地提升了目标特征的对齐能力,通过采用动态卷积机制,结合任务分解模块,分别优化了分类与边界框回归特征,显著增强了对目标和复杂背景下缺陷的检测能力;最后引入损失函数WIoUv3,该损失函数采用动态非单调聚焦机制进行锚框质量评估,同时引入一种智能的梯度增益分配策略,提高了边界框回归对复杂缺陷区域的预测精度,增强了模型在检测微小裂纹和模糊缺陷时的鲁棒性.在太阳能电池板缺陷数据集展现YOLOv8LZW的优越性能,其mAP@0.5与计算量均优于原始YOLOv8,充分满足了对太阳能电池板进行高效、准确检测需求.