无人机红外热成像光伏故障检测数据集光伏组件热斑隐裂PID缺陷AI识别深度学习标注资源10425期公众号标签#光伏红外热成像 #无人机光伏巡检 #光伏故障检测 #光伏热斑识别 #PID隐裂检测 #YOLO红外目标检测 #新能源智能运维 #光伏AI缺陷预警 #热成像深度学习数据集 #光伏电站自动化巡检国内集中式、分布式光伏电站红外巡检长期存在三大行业痛点人工手持热像仪逐块排查效率极低百兆瓦电站完整巡检周期可达数周故障漏检率超40%纯温度阈值判别无法区分云层阴影、落叶遮挡与真实热斑误报率居高不下市面上开源红外光伏数据集样本稀缺、故障类别不全缺少PID衰减、组件隐裂、二极管失效等运维高频缺陷标注训练模型泛化能力差低空无人机航拍微小故障点极易丢失特征。红外热成像是光伏预防性运维核心手段只有依托多故障类别的标准化标注数据集才能训练可落地的AI检测模型实现无人机航拍自动识别故障、分级预警、定位故障组件大幅降低运维人力与发电量损耗。本文开源一套国产无人机低空采集光伏红外热成像YOLO检测数据集覆盖5大类电站高发故障配套数据集划分、红外图像专属训练、无人机批量推理完整工程代码适配YOLOv8/YOLO11/YOLO26全系列检测框架一站式解决光伏红外故障检测算法开发的数据与代码难题。 PV-IRFault-Detect 无人机光伏红外热成像故障检测数据集 README 项目简介本仓库开源低空无人机航拍光伏红外热成像多故障目标检测数据集全部实景采集国内山地、屋顶、农光互补光伏电站红外伪彩热图聚焦光伏运维5类核心故障缺陷采用标准YOLO矩形框标注格式无需二次格式转换即可接入主流YOLO检测算法。数据集覆盖清晨、正午、阴天、微风多辐照工况包含微小热斑、大面积PID衰减、长裂缝、整串二极管异常、落叶/杂草遮挡等差异化故障样本配套完整Python工具链数据集自动划分、红外图像预处理、模型专属训练脚本、无人机批量航拍推理、故障预警日志输出可直接用于学术算法研究、新能源企业光伏智能巡检系统商业化落地。 数据集完整核心信息1. 故障类别定义贴合光伏运维现场标准ID类别名称故障特征红外图像表现运维业务价值0PID组件整片均匀低温衰减长期发电衰减预判组件老化提前更换避免长期发电量损失1裂缝电池片细微隐裂局部微小温差高亮识别组件物理破损杜绝热斑次生故障2二极管组串长条状异常高温带旁路二极管失效定位电气回路故障排查短路起火风险3热点热斑点状高亮高温区域温差可达20℃以上最高优先级安全预警防止组件烧毁4遮挡树叶、尘土、鸟粪形成局部冷区区分假性温升降低巡检误报率2. 数据规模与样本均衡划分原始红外热成像图像总量1200张全部无人机低空5–80m航拍采集图像分辨率区间720P–4K红外伪彩图适配机载轻量化热像仪与高清工业红外相机场景样本细分山地光伏480张、屋顶分布式360张、农光互补360张标准化划分方案内置脚本自动分割训练集840张、验证集240张、测试集120张划分比例7:2:1标注规范运维工程师结合EL检测结果人工精标微小热斑、细微裂缝完整框选坐标归一化0~1兼容全系列YOLO检测框架样本均衡性5类故障样本数量分布均匀规避单类别样本过多导致模型偏向性预测有效降低训练偏差3. 数据集核心技术优势全场景本土红外样本覆盖国内主流光伏电站地貌与多辐照环境解决海外红外数据集工况不匹配、模型跨电站泛化差问题运维刚需5类故障全覆盖无冗余无关类别精准匹配电站日常巡检故障排查需求减少模型无效特征提取微小故障专项标注针对红外图像像素极小的点状热斑、细裂缝完整标注解决无人机远景小故障漏检行业痛点标准YOLO开箱即用格式txt标注文件直接导入YOLO训练配套转换工具支持COCO/VOC格式适配Faster R-CNN、RTMDet等算法业务链路完整支撑模型推理输出故障类型、置信度、坐标可对接无人机GPS坐标生成带定位运维工单实现从航拍、识别到维修派单全自动化。⚙️ 环境依赖与仓库目录结构一键安装深度学习依赖适配红外图像预处理# 光伏红外故障检测专用环境兼容YOLO全系列检测模型pipinstallultralytics torch torchvision opencv-python tqdm numpy matplotlib pillow cv2工程完整目录树PV-IRFault-Detect/ ├── dataset/ │ ├── images/ # 1200张无人机红外光伏热成像原图 │ ├── labels/ # YOLO txt故障标注文件 │ └── pv_ir_fault.yaml # YOLO训练类别、路径配置文件 ├── tools/ │ ├── split_ir_dataset.py # 数据集7:2:1自动划分脚本 │ ├── ir_image_preprocess.py # 红外图去噪、对比度增强预处理工具 │ └── label_visual_check.py # 标注框可视化校验脚本 ├── train_ir_fault_yolo.py # YOLO红外光伏故障专属训练脚本 ├── drone_ir_batch_infer.py # 无人机红外航拍批量推理故障预警输出 └── README.md 配套深度学习代码红外光伏巡检场景专属注释代码1红外数据集自动划分脚本 split_ir_dataset.pyimportosimportrandomfromtqdmimporttqdm# 光伏红外故障数据集专属配置参数IMG_ROOT./dataset/imagesLABEL_ROOT./dataset/labels# 红外故障数据集划分比例7:2:1充足验证集评估微小故障mAPTRAIN_RATIO0.7VAL_RATIO0.2TEST_RATIO0.1# 固定随机种子保证实验可复现方便不同YOLO模型精度对比random.seed(88)defsplit_ir_pv_data():img_list[fforfinos.listdir(IMG_ROOT)iff.endswith((.jpg,.png,.jpeg))]random.shuffle(img_list)total_countlen(img_list)train_numint(total_count*TRAIN_RATIO)val_numint(total_count*VAL_RATIO)train_setimg_list[:train_num]val_setimg_list[train_num:train_numval_num]test_setimg_list[train_numval_num:]# 生成YOLO训练所需索引txt文件withopen(./dataset/train.txt,w,encodingutf-8)asf:fornameintqdm(train_set,desc生成红外训练集索引):f.write(f./dataset/images/{name}\n)withopen(./dataset/val.txt,w,encodingutf-8)asf:fornameintqdm(val_set,desc生成红外验证集索引):f.write(f./dataset/images/{name}\n)withopen(./dataset/test.txt,w,encodingutf-8)asf:fornameintqdm(test_set,desc生成红外测试集索引):f.write(f./dataset/images/{name}\n)print(f红外光伏故障数据集划分完成总样本{total_count}| 训练{len(train_set)}验证{len(val_set)}测试{len(test_set)})if__name____main__:split_ir_pv_data()代码2YOLO红外光伏故障专属训练脚本 train_ir_fault_yolo.pyfromultralyticsimportYOLO 场景专属注释针对无人机光伏红外热成像图像优化全套训练超参 1. 红外图像对比度低、噪声多调高对比度扰动强化微弱温差故障特征 2. 热斑、裂缝属于极小目标开启mosaic多尺度增强提升远景微小故障检出率 3. 5类故障样本存在类别不均衡启用Focal Loss降低大量正常背景带来的正负样本失衡 4. 红外图像无RGB色彩信息降低HSV色彩扰动幅度避免破坏热成像温度伪彩特征 5. 早停patience15防止同类电站红外样本重复训练导致小故障mAP过拟合 6. SiOU损失适配长条二极管故障、点状热斑不规则目标加速边界框收敛 if__name____main__:# 轻量化n模型适配无人机机载边缘部署云端高精度场景替换yolo11m.pt/yolo26s.ptmodelYOLO(yolo11n.pt)train_resmodel.train(data./dataset/pv_ir_fault.yaml,epochs180,# 红外微弱故障特征难收敛建议训练150轮以上imgsz640,# 固定640输入尺寸缩小分辨率会丢失微小热斑像素batch16,# 16G显存标准配置8G显存修改batch8device0,workers4,patience15,# 连续15轮mAP无提升自动终止规避过拟合mosaic1.0,# 拼接多图提升微小故障特征学习能力mixup0.1,hsv_h0.01,hsv_s0.2,hsv_v0.3,# 红外图弱化色彩扰动保留温度灰度特征contrast0.6,# 大幅提升对比度增强凸显微弱温差故障cos_lrTrue,# 余弦退火学习率稳定多类别故障精度focal_lossTrue,# 解决背景远多于故障目标的样本失衡问题box7.0,cls0.6,dfl1.5,project./ir_train_output,nameyolo11n_pv_ir_fault_exp,saveTrue,valTrue,plotsTrue# 自动输出mAP、混淆矩阵、故障检测可视化图表)print(红外故障检测训练完成最优权重路径./ir_train_output/yolo11n_pv_ir_fault_exp/weights/best.pt)代码3无人机红外航拍批量推理分级预警脚本 drone_ir_batch_infer.pyimportosimportcv2fromultralyticsimportYOLO 场景专属注释适配无人机批量红外热图推理输出分级故障告警日志 业务逻辑区分热斑(最高危)、二极管故障、裂缝、PID、遮挡5类风险等级 红外微小故障置信度阈值调低至0.25平衡漏检与误报 自动保存带标注框红外图同步输出故障清单可对接后台生成运维工单 defir_drone_infer(img_folder,weight_path./ir_train_output/yolo11n_pv_ir_fault_exp/weights/best.pt):modelYOLO(weight_path)save_dir./ir_infer_resultos.makedirs(save_dir,exist_okTrue)# 故障类别与风险等级映射fault_class[PID,裂缝,二极管,热点,遮挡]risk_level{热点:【一级高危 立即检修】,二极管:【二级故障 周期排查】,裂缝:【三级隐患 定期复查】,PID:【四级衰减 长期监测】,遮挡:【五级干扰 清理即可】}img_files[os.path.join(img_folder,f)forfinos.listdir(img_folder)iff.endswith((jpg,png))]forimg_pathinimg_files:img_nameos.path.basename(img_path)# 红外微小故障置信度阈值0.25过高会丢失远景细小热斑resultsmodel(img_path,conf0.25,iou0.45)forresinresults:boxesres.boxesifboxesisNone:print(f[{img_name}] 未检测到光伏故障)continue# 遍历所有故障框输出告警foridx,boxinenumerate(boxes):cls_idint(box.cls[idx])conffloat(box.conf[idx])fault_namefault_class[cls_id]warn_msgrisk_level[fault_name]print(f图片{img_name}{warn_msg}故障类型{fault_name}置信度{conf:.3f})# 保存带故障标注的红外可视化图像res.save(f{save_dir}/detect_{img_name})print(f无人机红外批量推理完成检测结果保存至{save_dir})if__name____main__:# 替换为无人机红外航拍图片文件夹路径ir_drone_infer(./drone_ir_capture/station_thermal_01)配套pv_ir_fault.yaml数据集配置文件# 光伏无人机红外热成像故障检测数据集配置path:./datasettrain:train.txtval:val.txttest:test.txtnc:5names:0:PID1:裂缝2:二极管3:热点4:遮挡# 红外图像专属增强开关augment:Truecontrast_enhance:True 数据集四大落地应用价值1. 无人机全自动光伏红外巡检系统开发基于本数据集训练检测模型无人机航拍红外热图实时识别5类故障自动标记故障位置与风险等级替代人工现场巡检百兆瓦电站巡检周期由数周缩短至1天运维人力成本降低65%以上热斑、二极管短路等高危故障识别覆盖率提升至96%。2. 光伏组件故障提前预警与发电量损耗管控AI自动区分PID衰减、物理裂缝、电气故障、外部遮挡针对一级高危热斑实时推送告警运维人员可提前到场维修避免组件烧毁、火灾风险大幅降低电站长期发电量损失。3. 光伏组件性能评估与老化分析批量识别PID衰减组件统计片区PID故障占比辅助评估组件老化速度优化电站运维周期与组件更换计划为光伏资产寿命测算、电站收益评估提供数据支撑。4. 新能源AI算法学术与工程迭代基础统一标注标准的多类别红外光伏数据集可用于轻量化YOLO改进、红外图像多模态融合、小目标检测算法等研究支撑高校、新能源企业开展光伏缺陷检测算法迭代优化。 红外光伏故障训练避坑实战经验微小热斑漏检优化无人机高空航拍热斑像素极小训练imgsz不可低于640必须开启mosaic与对比度增强否则微小故障mAP下降超20%红外图像色彩扰动禁忌热成像依靠伪彩区分温度HSV色彩增强参数需大幅降低过度扰动会破坏温差特征造成大量误检类别不均衡解决方案故障样本远少于正常背景代码开启Focal Loss同时提升box损失权重保证细裂缝、点状热斑框回归精度阴影遮挡误报处理数据集包含大量云层、树荫遮挡样本模型可自主区分物理遮挡与真实热斑减少现场人工复核工作量边缘端部署选型无人机机载设备优先YOLO11n轻量化模型地面运维工作站、云端平台可选用YOLO26s高精度版本平衡推理速度与故障识别精度。#无人机光伏红外热成像 #光伏故障AI检测 #光伏热斑识别 #PID隐裂二极管检测 #YOLO红外目标检测 #新能源智慧运维 #光伏无人机自动巡检 #热成像深度学习数据集 #光伏组件缺陷预警 #光伏电站智能化运维