典型文献
光伏航拍红外图像的热斑自动检测方法
文献摘要：
针对光伏电站传统巡检技术的高成本、低效率以及准确率不高等问题,提出二阶段式的航拍红外图像热斑检测方法,实现对红外图像中热斑缺陷的组件级定位及精细化分类诊断.该方法将传统图像处理技术与深度学习方法融合,进一步提升缺陷诊断的准确率与效率.基于航拍红外图像前、后景灰度值的差异,提出基于边缘检测的组件分割方法来提取光伏组件轮廓以实现组件级定位,该方法以相对较小的硬件需求实现光伏组件有效检出率可达99.3％.考虑到热斑成因、危害及对应处理方式的差异性,提出基于EfficientNet的红外缺陷分类模型对热斑进行精细的四分类,为电站运维人员提供更为精准的决策支撑,该模型在空间占用20.17 MB的情况下获得97.0％的热斑分类准确率.经过实验对比分析,论证了本研究所提出的方法在缺陷诊断的效率以及准确率上都较高.
文献关键词：
航拍图像;EfficientNet;深度学习;热斑检测;光伏;边缘检测
中图分类号：
作者姓名：
夏杰锋;唐武勤;杨强
作者机构：
浙江大学电气工程学院,浙江杭州310027;之江实验室,浙江杭州310000
文献出处：
引用格式：
[1]夏杰锋;唐武勤;杨强-.光伏航拍红外图像的热斑自动检测方法)[J].浙江大学学报（工学版）,2022(08):1640-1647
A类：
组件分割
B类：
红外图像,自动检测,光伏电站,巡检技术,低效率,二阶段,阶段式,热斑检测,分类诊断,图像处理技术,深度学习方法,方法融合,缺陷诊断,后景,灰度值,边缘检测,分割方法,光伏组件,需求实现,有效检出率,EfficientNet,缺陷分类,分类模型,四分类,决策支撑,MB,分类准确率,实验对比,航拍图像
AB值：
0.337969
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
