本数据集专注于光伏电池板和太阳能电池板的缺陷检测，提供了各种类型缺陷的图像样本，这些缺陷在可见光下有划痕、雪覆盖、碎裂、鸟粪等，在红外光下有热斑以及二极管短路等。旨在帮助研究者开发更精确的缺陷检测算法，提高光伏电池板和太阳能电池板的性能和寿命。
数据集特点：
全面性：本数据集包含了各种类型的缺陷，覆盖了实际应用中可能遇到的各种情况。
多样性：数据集中的图像分别在可见光和红外光下采集，增加了缺陷检测的难度和挑战性。
真实性：所有图像均来源于真实场景，缺陷尺寸、形状、颜色等特性与实际情况相符。
标注完整：每个缺陷样本都有详细的标注信息，包括缺陷类型、位置、大小等，方便研究者进行训练和测试。
应用领域：本数据集适用于光伏电池板和太阳能电池板的缺陷检测算法研究和开发，也适用于计算机视觉和深度学习领域的相关研究。
2024-03-22 19:52:28
94B
1
内含光伏电池板/太阳能电池板典型缺陷，数据集总数1190张左右，但制作标签为json格式，包括隐裂、断栅、污染等，可用于图像识别、图像处理、深度学习、目标检测、计算机视觉等领域。
下载的txt文件含有下载链接，放心下载！！！
2022-08-06 14:07:26
4KB
内含光伏电池板/太阳能电池板典型缺陷，数据集总数2624张，但制作标签的只有1500+219张左右，VOC标签，包括微裂、失效、正常等，可用于图像识别、图像处理、深度学习、目标检测、计算机视觉等领域。
下载的txt文件含有下载链接，放心下载！！！
2022-08-06 14:05:59
4KB
光伏系统热成像异常检测数据集（120张+代码），内含无人机航拍光伏电池板红外图像120张，以及matlab代码和相关文献，可学习上手或者自己研究！
在光伏（PV）系统的使用寿命期间发生的故障可能导致能量损失，系统关闭以及可能的火灾风险。因此，检测异常和故障以控制系统的性能并确保其可靠性至关重要。与基于现场目视检查和/或电气测量设备的传统监测技术相比，无人机和红外热成像的结合显然为更快、更便宜的光伏监测提供了手段。然而，该领域的文献缺乏用于光伏故障检测的自动和可实施的算法，特别是使用原始航空热像仪，具有精确的性能评估。因此，我们的目的是建立一个全自动的在线监测框架。我们提出了一个分析框架，用于在线分析航空热成像的原始视频流。该框架集成了图像处理和统计机器学习技术。
2022-04-18 21:03:30
69.61MB
内含太阳能光伏电池板红外图像与温度、风速、照度等环境数据，光伏系统的热表征数据集，主要用于识别蜗牛踪迹和热点故障。可用于电气工程专业与人工智能、深度学习、机器学习相关领域研究。
2022-04-11 11:03:50
31.3MB
资源分为算法描述,和Matlab仿真模型两部分;相符相成;详细的描述仿真模型的细节算法,是进行光伏系统开发好资料;同时提供了一个800V500A的光伏系统仿真
2022-03-15 20:24:56
266KB
1