复杂光照条件下光伏场站监控图像增强与异物遮挡自动检测方法

摘要

针对光伏场站监控图像在复杂光照条件下易因细节缺失而导致异物识别困难的问题，本文提出一种结合图像增强与目标检测的异物遮挡检测方法。首先，采用亮度归一化、伽马校正和局部对比度增强对监控图像进行预处理，以改善亮度分布并增强细节信息；其次，构建基于改进目标检测算法（YOLO）检测模型的异物识别方法，实现对树叶、塑料袋及鸟粪等遮挡物的自动检测；最后，实验结果表明：在测试数据集中，图像峰值信噪比由18.7 dB提升至24.6 dB，结构相似性提高至0.83；异物检测平均精度均值（mAP）达到0.88，较传统检测方法提高约16%，说明该方法能够显著提高复杂光照场景下光伏组件监控图像的识别能力。

关键词

光伏场站 / 复杂光照 / 图像增强 / 异物遮挡检测 / YOLO