AI光伏热斑识别定制：红外配准与温升分级

光伏电站巡检中，红外热斑是最常见的缺陷信号，但无人机航拍得到的红外图受拍摄角度、风速、辐照度影响，同一块组件的温升读数可能相差数度，直接按固定阈值报警会带来大量误判。

能源AI实验室近期做了一组实验性探索：先把可见光与红外图像配准，以组件边框作为几何约束，将每块组件的温度像素归一化到同一坐标系；再结合当时的辐照度、环境温度与风速做工况修正，把原始温升折算为标准工况下的等效温升；最后按等效温升与热斑形态（单点、条状、整片）输出三级结论，而不是一个是或否的判断。

要点：
· 阶段进展：在约 1.2 万块组件的样本上，遮挡、鸟粪、隐裂三类热斑召回率约 92%；单点误报主要来自组件表面水渍与逆光反光，已通过多帧时序交叉确认将误报压降约四成。
· 下一步：把红外结果与组串 IV 曲线、发电量偏差做交叉验证，尝试在温升尚不显著时给出劣化趋势提示，而非等到热斑成型后再报警。