直流电弧故障是引发光伏系统火灾事故的主要原因之一，随着光伏发电容量占比的逐年提升，直流电弧故障检测也受到越来越多的关注。相比于传统的基于阈值的直流电弧检测方法，神经网络等智能算法具有更高的检测准确率，但其较高的计算复杂度对算法的部署落地带来了挑战。针对上述问题，本文提出一种基于稀疏优化神经网络的光伏直流电弧检测技术。通过引入基于smooth L0系数优化的注意力层，使模型在训练的过程中自动地进行特征筛选与降维。在模型部署阶段，通过模型量化压缩，将浮点运算转化为整型运算，进一步减少模型推理时间和参数存储空间，算法最终部署于STM32单片机平台上。实验结果表明，本文所提方法有效降低了计算复杂度、减少了模型推理时间，且具有较高的直流电弧故障检测准确率。