用于热光伏检测的仿射变换方法综合评估:一种颜色图分析方法
《IEEE Transactions on Industry Applications》:Comprehensive Benchmark of Homography Methods for Thermal Photovoltaic Inspection: A Colormap Analysis
【字体:
大
中
小
】
时间:2026年06月29日
来源:IEEE Transactions on Industry Applications 5.2
编辑推荐:
摘要:热图像相似性估计在光伏系统的关键检测任务中发挥着重要作用,包括故障跟踪、图像拼接以及多模态图像融合。热图像具有温度分布均匀、对比度低且纹理有限的特点,这些特性与现有相似性估计基准测试中常用的RGB图像有很大差异。为弥补热图像结构信息的不足,一种方法是使用色图来增强微弱的温度
摘要:
热图像相似性估计在光伏系统的关键检测任务中发挥着重要作用,包括故障跟踪、图像拼接以及多模态图像融合。热图像具有温度分布均匀、对比度低且纹理有限的特点,这些特性与现有相似性估计基准测试中常用的RGB图像有很大差异。为弥补热图像结构信息的不足,一种方法是使用色图来增强微弱的温度梯度。然而,现有的研究对热图像上的相似性估计方法评估较少,也没有探讨色图选择对性能的影响。本文首次系统地对比了22种相似性估计方法(15种基于特征的方法和7种基于深度学习的方法)在热光伏图像上的表现,共测试了99,680对图像中的29种色图表现形式。测试范围为在单个户外地点,处于30°–60°观测角度、10–40厘米拍摄距离下的单晶硅电池板。在原始热图像上,深度学习方法的平均成功率高达94.1%,而传统方法的成功率仅为9.8%。对于传统方法而言,色图的选择至关重要:专用热图像色图可将成功率从9.8%提升至81.9%,大幅缩小了两者之间的性能差距。深度学习方法对色图的敏感度较低,在大多数色图表现形式下仍能保持96%以上的成功率。无需特征点检测的模型由于不依赖图像中的角点结构,取得了最佳性能,成功率为97.1%,误差仅为0.30像素。不过,在GPU资源受限的环境中,传统处理流程依然具有实用价值,在最优色图配置下也能达到0.064像素的较高精度。该基准测试框架推动了光伏应用中的热图像分析技术发展,为工业检测中的可靠应用提供了有依据的指导。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号