用于太阳能板尘土与故障诊断的统一深度学习平台——基于热成像与可视化成像
计算机视觉与模式识别
2025-11-25 v1
摘要
太阳能是目前最丰富且开发最广泛的可再生能源来源，未来发展潜力巨大。太阳能板的输出会因强度、温度、灰尘、碎屑等因素而产生巨大变动。我们实现了一个用于检测太阳能板尘土和故障的模型。将这两个应用集中到单个平台上，可用于常规维护及其他检查。这些检查针对各种参数进行，如功率输出、正弦波(太阳能电池的 I-V 组件)、每个太阳能电池的电压等。首先，我们采用伽马去除和高斯滤波等方法对获取的图像进行过滤和预处理，同时结合一些预定义的流程如归一化。第一个应用是基于各种预先确定的指标(如阴影、叶子、落屑、空气污染以及其他人类活动导致的细粒度太阳能模块)来检测太阳能电池是否布满灰尘。另一个应用是使用热成像检测太阳能板上的故障和其他情况，如故障、裂纹、电池故障等。由于太阳能板在不同地理位置的效率不同(空气和热度的影响)，这一集中平台可用于从小型住宅需求到大型太阳能农场的有效维护。它集成了 CNN、ResNet 模型，这些模型结合了自注意力机制-KerNet 模型，用于分类，结果表明该系统经过微调后能有效检测太阳能板上的尘土或任何故障。因此，这个多应用模型在检测太阳能板上的尘土和故障方面表现出更高的效率和准确性。我们进行了各种比较和实验，结果表明该模型在整体效率和准确性方面优于现有模型。
引用
@article{arxiv.2511.18514,
title = {Unified Deep Learning Platform for Dust and Fault Diagnosis in Solar Panels Using Thermal and Visual Imaging},
author = {Abishek Karthik and Sreya Mynampati and Pandiyaraju V},
journal= {arXiv preprint arXiv:2511.18514},
year = {2025}
}