Abstract：
提出了一种基于深度学习技术的光伏板缺陷分类定位方法，用于快速准确地确定光伏板缺陷的位置和类型。为了克服传统单张图像缺陷检测方法的视角限制，采用图像配准、拼接等算法生成高分辨率的光伏全景图像，并使用深度学习技术对光伏板红外图像进行缺陷分类，通过与可见光图像进行对比，可以有效地确定光伏板缺陷的类型。光伏板缺陷分类的准确率、精确率、召回率和F1分数分别达到了93.71%、93.13%、93.20%和93.11%。与传统方法相比，该方法具有非接触、高效和快速等优点，适用于大规模光伏板缺陷的检测和定位，能够在短时间内获取准确、全面的光伏板缺陷信息。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
光电子技术
ISSN： 1005-488X
CN： 32-1347/TN
Year： 2024
Issue： 01
Volume： 44
Page： 54-60
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
