基于机器学习的光伏组件热斑图像检测方法研究

来源：计算机测量与控制杂志2024年第7期北京时间：

作者：张绘敏,赵扬,康会峰

单位：河南应用技术职业学院，机电工程学院

摘要：热斑效应是造成光伏组件损坏的主要原因之一，为提早发现光伏组件热斑效应，利用机器学习算法优化设计光伏组件热斑图像检测方法。根据光伏组件的工作原理以及热斑的产生机理，设置光伏组件热斑图像检测标准。采用红外成像的方式采集光伏组件热斑图像，通过颜色空间转换、滤波去噪、背景干扰去除和图像增强等步骤，实现初始图像的预处理，利用机器学习中的卷积神经网络算法，从轮廓和颜色两个方面提取热斑图像特征，根据特征匹配结果得出光伏组件热斑图像的检测结果。通过性能测试实验得出结论:与传统检测方法相比，优化设计方法的漏检率和误检率明显更低，且光伏组件热斑面积检测误差较低。

关键词：机器学习;光伏组件;热斑图像;图像检测;

基金资助：河南省高等教育教学改革研究与实践项目（项目编号：2021SJGLX881）； 河南省教育科学研究十四五规划课题（项目编号：2021YB0561）； 2023年河南省教育科学规划课题（项目编号：2023YB0447）； 2024河南省高校人文社会科学研究一般项目（项目编号：2024-ZDJH-201）； 河南应用技术职业学院2022年度校级科研课题（项目编号：2022-KJ-44）； 河南应用技术职业学院青年骨干教师资助项目（项目编号：2020-GGJS-J003）。