周亚峰，杨扬

（上海伯镭智能科技有限公司，上海 201203）

0 引言

随着计算机科学技术、数学等自然科学的不断发展，在硬件与理论的不断驱动下，机器视觉领域实现了迅速发展，在实际应用场景中得到了越来越多的成熟落地。在传统能源的不可再生性和环境污染性的弊端下[1]，以太阳能光伏发电为代表的新型能源近年来快速发展[2]。对于已装机运行中的光伏场站实现光伏组件存在的缺陷进行有效检测方面，杨博等人提出了一种基于无人机实现光伏组件热斑效应的检测[3]，数据采用应用方面，杨扬等提出了一种基于混合相加（或双光）相机的光伏组件缺陷自动检测方法[2]。

在基于混合相加（或双光）相机的光伏组件缺陷检测应用中，将检测到的热红外图像上面的缺陷点透视变换到对应的可见光图像上面对应位置，更加准确、有效的展示及定位光伏组件上面的缺陷点，是本文研究的主要方向。对于光伏组件缺陷点从热红外图像到可见光图像的透视变换，首先对可见光图像进行相机标定与去畸变处理，再根据两图像特征点实现单应性矩阵（热红外图像到去畸变后的可见光图像的透视变换系数矩阵）的求解，根据单应性矩阵对热红外图像中的缺陷点进行线性的透视变换求解，再对其值利用优化的神经网络模型进行二次修正后准确投影到可见光图像上面。

1 相机模型

如图1的文献[4]阐述了小孔几何模型的成像时的像机内……