摘要：该数据集主要面向大型光伏电站的红外热成像异常检测、组件分割和故障识别研究，包含由无人机热像仪采集的光伏组件红外图像及人工标注信息，可用于识别正常与异常光伏组件，并进一步定位热点、旁路二极管异常、单电池热点、多电池热点及接线盒异常等热故障。
数据集概述
该数据集由两部分光伏热成像数据组成，其中第一部分包含约 120 张热成像图像，来源于约 6 MWp 的大型光伏系统；第二部分来源于公开 GitHub 项目的光伏热图像。原始数据主要为红外热成像，后续对每幅图像中的光伏组件进行了人工标注，使数据能够同时支持组件检测、实例分割、语义分割以及正常/故障状态分类。部分图像由 DJI Matrice 210 RTK 无人机搭载 FLIR XT2 热像仪采集，红外分辨率约为 640×512，能够较清晰地反映异常组件形成的局部高温区域。
数据结构与关键特征
数据集主要划分为 dataset_1 和 dataset_2 两部分，每部分均包含 images 与 annotations 目录。标注信息采用 JSON 格式，以 instances 记录每个光伏组件实例，并为每个组件保存四个角点坐标、中心位置以及 defected_modules 故障状态标志，因此非常适合进行实例级组件定位与分割。数据中可观察到多种典型热异常，包括旁路二极管异常、单电池热点、多电池热点、接线盒热点以及整个模块异常。此外，图像还具有组件密集排列、结构高度重复、目标透视变形以及无人机视角变化等特征，对检测和分割算法具有一定挑战性。
应用价值与研究方向
该数据集适合用于光伏组件检测、红外异常识别、实例分割、语义分割、热点定位以及无人机光伏电站智能巡检等研究方向。算法方面可采用 YOLOv8-Seg、YOLO11-Seg、Mask R-CNN、U-Net、DeepLabV3+、SegFormer 等模型进行组件检测与分割，并使用 ResNet、EfficientNet、Vision Transformer 等模型进一步完成故障分类。还可结合目标跟踪、GPS/地理配准和数字地图，将故障组件映射到实际光伏电站位置，构建“无人机巡检—组件检测—热异常识别—故障定位—运维预警”一体化智能光伏运维系统。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-772
文件大小：86M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)