文献类型：期刊文章

作　　者：宁静[1,2,3] 许盛之[1,2,3] 龚友康[1,2,3] 王丽朝[1,2,3] 江茜[1,2,3]

NING Jing;XU Shengzhi;GONG Youkang;WANG Lichao;JIANG Qian(Institute of Photo-Electronics Thin Film Devices and Technology of College of Electronic Information and Optical Engin.of Nankai University,Tianjin 300350,CHN;Engineering Research Center of Thin Film Optoelectronics Technology,Ministry of Education,Tianjin 300350,CHN;Key Lab.of Photoelectronics Thin Film Devices and Technology,Tianjin 300350,CHN)

机构地区：[1]南开大学电子信息与光学工程学院光电子薄膜器件与技术研究所,天津300350 [2]薄膜光电子技术教育部工程研究中心,天津300350 [3]天津市光电子薄膜器件与技术重点实验室,天津300350

出　　处：《半导体光电》

基　　金：天津市研究生科研创新项目(2022SKYZ188)

年　　份：2023

卷　　号：44

期　　号：2

起止页码：161-167

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：基于温度红外图像的光伏组件缺陷检测是实现光伏电站规模化组件质量检测的重要技术。文章简要介绍了光伏组件热斑产生的原因和危害,重点从热斑检测、热斑定位和提取三个方面总结和对比了光伏组件红外图像及视频的人工神经网络模型及其性能。其中改进的YOLOv5模型对光伏组件的热斑检出精度达到了98.8%,Lucas-Kanade稀疏光流跟踪算法的热斑定位精度达到97.5%。简单讨论了适应大规模光伏电站运维需求的热斑检测技术的发展趋势。

关 键 词：光伏组件 红外图像 热斑 人工智能 无人机  

分 类 号：TP391.41] O43[计算机类]