Yi-Sheng Laia · Chien-Chun Hsieh · Ting-Wei Liaoa · Chao-Yang Huang 等5人 · Energy Conversion and Management · 2025年1月 · Vol.332

摘要 本研究提出了一种结合图像处理技术与深度学习模型的光伏组件自动化缺陷检测系统。该系统利用三种成像方法——红外成像、红绿蓝成像和电致发光成像，识别21种类型的缺陷。红外成像通过安装在无人机上的热成像仪获取，用于检测热点和开路等热异常现象；红绿蓝成像用于识别玻璃破裂、污渍污染和植被遮挡等表面缺陷；电致发光成像则在受控暗室环境中使用电荷耦合器件相机采集，可揭示微裂纹、电池片性能退化和主栅腐蚀等内部缺陷。通过交叉比对红外图像与红绿蓝图像的结果，可有效识别缺陷成因，而电致发光成像进一步确认内部问题，并...

解读: 该深度学习缺陷检测技术对阳光电源智能运维体系具有重要价值。可集成至iSolarCloud平台,通过无人机红外成像实现光伏电站巡检自动化,结合EL成像诊断组件内部微裂纹与电池衰减,为SG系列逆变器的MPPT优化提供精准数据支持。系统99%以上检测精度和0.1秒处理速度,可显著提升PowerTitan储...