EL图像可用于精准检测太阳电池及光伏组件的内在缺陷，太阳能电池片EL图像缺陷会受到复杂背景的干扰使其变得难以识别。为此，提出一种改进的YOLOv5深度学习模型，用于提高缺陷检测的可靠性和准确性。该模型采用CutMix数据增强对EL图像的处理，在Backbone中使用改进混合域注意力替换原有网络的内容安全策略（Content　Security　Policy,CSP）部分，提高模型的特征提取能力。同时，引入特征融合（Feature　Fusion　Module,FFM）模块有效融合不同维度的特征，达到背景抑制的效果。基于PVEL-AD公开数据集的实验结果表明，相较于原来的YOLOv5s模型，改进后的模型参数量从7.02×10~6下降到6.79×10~6，且m　AP50准确率从71.11%提升到87.74%。