公开(公告)号：CN118100797B

公开(公告)日：2024-11-05

申请号：CN202410313450.X

申请日：2024-03-19

Applicant: 兰州理工大学

Inventor： 陈伟 ,  鲁金宇 ,  林洁 ,  裴婷婷 ,  袁国晶 ,  郑嗣炜 ,  张珂 ,  赵鸿鑫 ,  罗马

IPC: H02S50/00 ,  G06V20/60 ,  G06V10/147 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种光伏组件故障检测方法，涉及光伏电站智能运维技术领域，包括如下步骤：获取光伏组件表面图像；对光伏组件表面图像进行二值化处理；通过训练好的RAM‑YOLOv8网络模型对二值化处理后的光伏组件表面图像进行识别检测，获得故障类型及故障位置。该方法调用RAM‑YOLOv8模型，提高光伏组件故障检测效率及准确性，解决了光伏组件缺陷检测中的处理大规模数据和多目标检测方面不足的问题。

公开(公告)号：CN119672413A

公开(公告)日：2025-03-21

申请号：CN202411725499.2

申请日：2024-11-28

Applicant: 兰州理工大学

Inventor： 陈伟 ,  鲁金宇 ,  林洁 ,  裴婷婷 ,  袁国晶 ,  陈瑞东 ,  吴阳 ,  武淑婷 ,  王澳

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06Q50/06

Abstract: 本发明公开了一种基于多尺度特征融合的光伏组件故障检测方法，涉及光伏电站智能运维技术领域，包括：获取包含光伏组件图像和相应标注信息的数据集；所述标注信息包括故障类型标签及故障位置标签；对所述数据集中的图像进行预处理，并根据预设比例划分为训练集和验证集；采用所述训练集作为输入，故障类型及故障位置作为输出，对构建的YOLOv8‑AFA网络模型进行训练；并采用所述验证集，验证训练过程中YOLOv8‑AFA网络模型的准确性；获取待检测的光伏组件表面图像，输入训练好的YOLOv8‑AFA网络模型，获得对应的故障类型及故障位置。该方法可提高光伏组件故障检测效率及准确性，解决了光伏组件故障检测中的处理缺陷尺度不一和背景纹理复杂多变等因素导致的误检、漏检问题。

公开(公告)号：CN118100797A

公开(公告)日：2024-05-28

申请号：CN202410313450.X

申请日：2024-03-19

Applicant: 兰州理工大学

Inventor： 陈伟 ,  鲁金宇 ,  林洁 ,  裴婷婷 ,  袁国晶 ,  郑嗣炜 ,  张珂 ,  赵鸿鑫 ,  罗马

IPC: H02S50/00 ,  G06V20/60 ,  G06V10/147 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种光伏组件故障检测方法，涉及光伏电站智能运维技术领域，包括如下步骤：获取光伏组件表面图像；对光伏组件表面图像进行二值化处理；通过训练好的RAM‑YOLOv8网络模型对二值化处理后的光伏组件表面图像进行识别检测，获得故障类型及故障位置。该方法调用RAM‑YOLOv8模型，提高光伏组件故障检测效率及准确性，解决了光伏组件缺陷检测中的处理大规模数据和多目标检测方面不足的问题。