AI光伏组件热斑识别定制：红外图像与遮挡判别

在光伏电站运维中，热斑是组件失效的早期信号，但传统红外巡检依赖人工判读，效率低且易漏检。能源AI实验室近期完成一项实验性探索：以无人机红外图像为输入，构建热斑识别与遮挡判别模型。

方法上，我们先将红外图像与可见光图像配准，提取组件区域温度矩阵；再以轻量分割网络定位异常高温区，并结合可见光纹理判断是否为鸟粪、落叶等外部遮挡。为降低误报，模型引入组件串电流数据作为辅助特征，区分真实热斑与反光干扰。

阶段性进展：在约2000块组件的测试集上，热斑召回率达到92%，外部遮挡误报率降至7%以下；单张图像推理耗时约0.4秒，可部署于边缘设备随无人机实时处理。下一步计划加入时序对比，跟踪热斑温升趋势，并尝试将识别结果自动关联至电站工单系统。