今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于无人机热成像与YOLOv8s One-vs-Rest策略的光伏组件故障检测

《Scientific Reports》:Deep learning-driven fault detection in photovoltaic modules using UAV assistance

【字体: 大 中 小 】 时间:2026年10月22日 来源:Scientific Reports 4.9

编辑推荐:

   摘要 对于大规模太阳能发电场而言,光伏(PV)组件的自动化检测变得越来越重要,因为手动热检测不仅耗时,而且还容易遗漏故障。本研究介绍了一种基于无人机(UAV)的光伏故障检测器(PVFD),该检测器将辐射热成像技术与轻量级的基于YOLOv8s的检测框架相结合。研

  

摘要

对于大规模太阳能发电场而言,光伏(PV)组件的自动化检测变得越来越重要,因为手动热检测不仅耗时,而且还容易遗漏故障。本研究介绍了一种基于无人机(UAV)的光伏故障检测器(PVFD),该检测器将辐射热成像技术与轻量级的基于YOLOv8s的检测框架相结合。研究团队使用安装在DJI Phantom 4无人机上的FLIR One Pro热像仪,在一年内从三个光伏发电场所收集了1,251张辐射热图像。该框架通过采用一种特定于故障的“一对其余”(One-vs-Rest, OvR)策略来检测三种类型的故障:热点、二极管故障和受影响的电池单元。在独立测试集上,该框架的准确率为0.85,精确度为0.89,召回率为0.86,mAP@0.5值为0.77。相应95%的Wilson置信区间为0.764–0.908。与传统的多类别YOLOv8模型进行对比后发现,OvR策略将整体准确率从0.82提升到了0.85,平均召回率从0.83提升到了0.86。具体来说,热点类的mAP从0.70提高到了0.73,二极管故障类从0.66提高到了0.71,受影响电池单元类从0.62提高到了0.66,不过推理吞吐量从48帧每秒(FPS)降到了43 FPS。这些结果表明,OvR策略在灵敏度和效率之间实现了可量化的平衡,并且能够更好地检测那些较少出现的光伏故障类型,从而支持其在无人机辅助热检测中的应用。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:光伏故障检测|无人机|热成像|目标检测|深度学习

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号