用于航拍红外视频中光伏组件检测、定位与故障分类的计算机视觉工具
计算机视觉与模式识别
2021-12-07 v1
摘要
光伏(PV)电站部署的不断增加要求廉价且快速的巡检。无人机(UAV)热成像是此项任务的可行工具。在本工作中，我们开发了一种计算机视觉工具，用于从热成像无人机视频中半自动提取光伏组件。我们利用它整理了一个数据集，包含来自七个不同光伏电站热成像视频的107842个光伏组件的430万张红外图像。为展示其在自动化光伏电站巡检中的用途，我们训练了一个ResNet-50来分类十种常见组件异常，测试准确率超过90%。实验表明，我们的工具能很好地泛化到不同的光伏电站。它成功从561个电站行中的512行提取了光伏组件。失败主要由于不恰当的无人机轨迹和错误的组件分割。包含所有手动步骤，我们的工具每天可巡检3.5 MW p至9 MW p的光伏装置，因其并行特性有望扩展至吉瓦级电站。在提出一种有效的自动化光伏电站巡检方法的同时，我们也相信我们的方法有助于满足机器学习任务(如功率预测或无监督缺陷识别)对大型热成像数据集的增长需求。
引用
@article{arxiv.2106.07314,
title = {Computer Vision Tool for Detection, Mapping and Fault Classification of PV Modules in Aerial IR Videos},
author = {Lukas Bommes and Tobias Pickel and Claudia Buerhop-Lutz and Jens Hauch and Christoph Brabec and Ian Marius Peters},
journal= {arXiv preprint arXiv:2106.07314},
year = {2021}
}