目前,全球太阳能发电量为 485 千兆瓦,该行业每年的增长率为 29%。除了制造、运输和安装可能造成的故障外,这些太阳能资产在其整个使用寿命期间还会受到环境因素的影响而退化,需要进行检查以确保电力生产符合预期的财务模型。随着太阳能行业规模的扩大,检查越来越依赖于遥感。检查太阳能模块的热像通常需要训练有素的专家来识别异常。然而,这些数据并不广泛提供给有办法自动应对这些数据挑战的机器学习研究人员。本文介绍了一个新的数据集 InfraredSolarModules,其中包含不同类型的缺陷、故障和发现,可用作自动异常分类的基础。1
主要关键词