基于YOLOv11的光伏板缺陷检测与定位系统

来源：电子测量技术杂志2026年第5期北京时间：

作者：崔建伟，王月明

单位：内蒙古科技大学自动化与电气工程学院 包头 014010

摘要：针对无人机巡检集中式光伏板中检测出缺陷并确定其相对距离的问题，提出基于深度学习YOLOv11n的光伏板缺陷检测与定位系统。利用YOLOv11n结合切片辅助超推理对高分辨率光伏板图像进行缺陷检测。通过检测结果在集中式光伏板阵列中设立参考点与目标点，将检测结果信息与无人机设备信息、数据集可交换图像文件格式信息进行融合，计算参考点与目标点的经纬度，从而计算二者间的相对距离，实现光伏板缺陷定位。实验结果表明，YOLOv11n训练结果的mAP50与mAP50:95分别为67.1%与49.5%；结合切片辅助超推理进行目标检测的准确率为88.73%；在可见光与热成像相机下缺陷定位算法误差在0~4 m之间的准确率分别为96.73%与97.64%，基本满足运维需求。最后结合JavaScript等前端开发语言构建可交互式管理系统页面，利用数据库存储检测信息，系统通过对光伏板的故障检测、定位及信息储存实现了光伏板缺陷检测与定位的智能化，为集中式光伏板的检修提供了技术保障。

关键词：光伏板;缺陷检测;缺陷定位;深度学习;系统

基金资助：内蒙古自治区科技计划(2021GG0045)项目资助