数字技术与应用杂志社

摘要：<正>在光伏电站运行中，热斑缺陷长期存在会导致组件局部过热、光电转换效率衰减，并引发火灾风险，对电站稳定运行构成潜在威胁。为此，本文提出一种基于深度学习和无人机红外图像的光伏组件热斑缺陷数字化检测方法，利用无人机搭载的红外热成像仪获取光伏组件红外图像，通过灰度线性变换方法确定光伏组件红外图像各像素点的灰度值，实现图像的数字化处理，并采用Otsu算法分割光伏组件区域。基于引入注意力机制的YOLOv3网络构建深度学习模型，并将光伏组件区域输入该模型展开热斑缺陷数字化检测。实验结果表明，该方法的光伏组件分割效果较好、热斑缺陷检测的准确性较高。

基金资助： 河南省高等学校重点科研项目“基于无人机遥感技术和深度学习的光伏组件热斑缺陷检测研究”（25A120010）;河南省高等学校重点科研项目“基于深度学习的集群化工业机器人集成设备预测性维护关键技术研究”（25B460026）； 河南省科技攻关项目“基于强化学习和自适应模糊控制的小麦病虫害无人机精准施药关键技术研究”（242102220027）;河南省科技攻关项目“基于刚柔耦合的大负载工业机器人动态性能优化与可靠性设计关键技术研究”（242102220107）； 2023年河南省教育科学规划课题“OBE理念下新时代高职劳动教育课程评价体系完善研究”（2023YB0447）； 河南省高校人文社会科学研究一般项目“河南省实施创新驱动下的科教发展模式研究”（2024-ZDJH-201）；

专辑： 信息科技;工程科技Ⅱ辑

专题： 电力工业;计算机软件及计算机应用;自动化技术

分类号： TM615;TP18;TP391.41