曹小磊

摘要：本文以光伏板红外成像缺陷检测技术为研究对象，研究光伏板红外成像技术的最新研究成果，光伏板故障的类型及原因，并对近十年来光伏板红外图像处理算法进行了综述。同时就当前对于光伏板故障检测技术所面临的问题还有今后该技术的发展方向进行了分析，从而给相关研究工作人员对该技术研究也提供一定的参考。

关键词：光伏组件;红外成像技术;缺陷检测

1光伏IRT缺陷检测技术

光伏红外成像技术具有光伏组件无损伤检测、无电源故障检测、成像快捷方便、成本低等优点。尤其是在近几年来各种智能产品的生产应用，对于无人机光伏红外成像检测技术的发展也是起到了一定的促进作用。当前在很多大型光伏电站的故障检测工作当中，也是逐步加强了对于红外成像检测技术的应用。

光伏组建红外成像故障检测技术有两种红外成像方法：一种是电致发光法。简而言之，当正偏置作用于光伏组件时，光强与电压成正比，这意味着光伏组件中的非活动区域在EL图像上显示为阴影。利用这一方法能够快速准确的检测出太阳能电池是否存在裂缝，以及裂缝所在的具体位置，但不足以检测出玻璃碎片和层压等缺陷。另一种是红外热成像。这一方法主要用于检测光伏组建在工作中期表面的热流场信息。如果光伏组件其局部存在失效问题，那么在该部位就会产生高温区域，称为“热点”。分析光伏组件红外图像中的“热点”，作为光伏组件故障检测的基础。这一技术能够在恶劣环境当中使用，无需其他设备辅助，就能够快速的收集到光伏组件表面的各种热流场信息，光伏组件的红外图像可以快速方便地获取，这是光伏故障诊断技术被广泛应用的原因之一。特别是随着包括无人机在内的智能、无人产品的快速发展，可以利用红外热成像仪对无人机进行红外图像采集。因此，光伏组件的红外热成像缺陷检测技术得到了越来越广泛的应用。

2光伏红外图像处理算法

光伏红外成像故障检测技术因为具有使用成本低、成像方便且检测迅速，所以对于该技术的应用范围是非常广泛的，并且有着较高的应用水平。

在传统的人工特征图像处理算法，在进行红外图像的获取过程中，可能会收集到各种无用的信息或者是收集到的干扰信息过多，而有用的信息很少甚至是基本没有的情况下，则要采用预处理方法来对图像所包含的噪声信息进行消除，从而将图像的特征凸显出来。Vergura等就利用中值滤波、高斯滤波以及边缘检测算法来实现对于光伏组建红外故障检测图像进行预处理。尤其是所检测的光伏组件没有处于光伏组件的表面位置时，更是需要进行图像预处理。Kosikowski等也提出了采用连续小波变换还有离散的方式来进行对光伏组件红外故障检测图像进行预处理，研究显示，利用温度和小波形的相关性，把非均匀性检测和时域进行结合，有着较好的效果。

Aghaei等就光伏红外实时分析监控数字图像处理技术进行了深入研究，在这一研究进行的过程当中，是利用无人机来进行收集相关的光伏组件红外图像，并将收集的图像进行了过滤以及灰度变换处理，通过分类得到光伏组件的缺陷信息。为了提高光伏组件的分类精度，分别采用Niazi和Naive Bayes分类器对组件的红外热图梯度特征纹理和直方图进行分类。结果显示，所收集的375个样本当中，平均识别率高达94.1%。而为进行一步加强光伏红外图像处理技术的图像处理效果，Akram等人还提出利用颜色量化、图像滤波还有边缘检测方法来进行光伏组件红外图像的处理，从而准确定位红外图像存在的轻微还有严重缺陷区域。为了更好的进行控制光伏故障检测成本，Dunderdale等通过利用尺度不变转换描述以及随机森林法，能够有效降低光伏组件故障检测所需的成本。

随着光伏装机容量的增加，大规模光伏发电的规模和复杂性也随之增加。在基于深度学习算法的图像处理方面，Akram等人提出了一种利用卷积神经网络识别电致发光图像中光伏缺陷的新方法，太阳能电池电致发光图像数据集的准确率达到93.02%。它不需要太多的计算能力和时间，可以在常规CPU计算机上工作，同时保持实时速度。还对处理数据缺乏的数据增强操作进行了评估。

3光伏故障检测行业未来发展方向

（1）在未来，对于光伏组件故障检测必定会向着更加智能化、自动化的方向发展，对于故障检测的相关需求也会更加明确。在进行光伏组件故障检测的过程中，最主要的就是确定故障类型以及故障所在具体位置，因为红外成像技术能够对故障位置实现快速准确定位，所以，接下来重要的研究方向就是对光伏组件故障类型的细分。

（2）光伏产业的快速发展带动了检测行业的蓬勃发展，特别是无人机等无人智能产品的快速发展，近年来突然出现在人们的视野中，这也为光伏行业故障检测提供了新思路。所以在接下来的发展过程中，智能化及自动化必然成为光伏检测的重要方向。随着未来光伏装机的增长和大规模光伏电站的增加，大规模光伏故障检测技术将是决定光伏检测行业水平的关键因素，而结合无人机技术，红外检测技术和自动图像处理技术是实现大规模光伏组件智能运维的重要技术手段。

（3）近年来，其他一些光伏故障检测方法（如基于电量测量的方法）也在原有技术的基础上增加了红外成像技术，形成了光伏统计分析技术与光伏红外成像技术的融合方法光伏故障检测技术。通过该方法获得的光伏组件电、热流场信息将成为光伏组件状态信息的重要补充，从而提高光伏故障检测的准确性。因此，光伏红外成像故障检测技术也可以作为辅助或比较技术，对光伏故障检测进行更详细的研究。

结语

本文综述了近年来光伏组件红外成像缺陷检测的研究进展。第一部分总结了IRT故障检测技术，第二部分介绍了光伏红外图像处理算法，第三部分总结了光伏故障检测行业未来的发展方向。

参考文献

[1]何谦，刘伯运.红外图像边缘检测算法综述[J].红外技术，2021，43（03）：199-207.

[2]林浩，马可可，牛阿云，庄家俊.基于远红外成像技术的车载夜间行人检测方法[J].现代计算机，2021（04）：64-68+97.

[3]王惠林，栾亚东，贺剑.红外成像系统最小可分辨温差影响因素分析[J].应用光学，2021，42（01）：1-8.

[4]刘彤宇，张景胜，闫秀生，唐树威.红外成像探测系统的带宽和信噪比[J].光电技术应用，2020，35（06）：50-54+64.

[5]吳海清.防辐射非制冷红外二次成像光学系统设计[J].光学与光电技术，2020，18（06）：60-65.