面向光伏电站无人机巡检场景,独立完成从算法到报告的全链路落地。核心解决红外热斑小目标漏检率高、双光图像难以配准、后期报告人工排版效率低三大痛点。
技术实现:基于 YOLOv8/v11 进行光伏场景定向改造,针对小目标缺陷引入切片训练与损失函数优化;实现红外与可见光双模态配准与交叉验证,热斑定位同时关联可见光通道的遮挡/破损证据;输出端内嵌 GB/T 46924-2025 智能分析逻辑,自动完成温差分级与子阵级缺陷汇总。
交付形态:支持 SaaS 云端账号与 Windows 本地离线部署两种模式,输出带双图对照、缺陷等级、维修建议的结构化 PDF 诊断报告,可直接用于工单派发。
可复用能力:小目标检测调优、多模态特征对齐、检测结果到业务规则的映射引擎。
技术栈:
光伏巡检 缺陷检测 YOLO 无人机 红外热成像 双光配准 目标检测 小目标检测 Python PyTorch
做成在线产品而不是文档:内置模板库可切换不同版式,登录后在线
政务云sass系统,本人除前端,测试,产品,后端开发,架构设
面向酿造生产场景的数据分析与预警平台,围绕全厂总览、区域监控
筑知 ZhuKnow 面向地产与建筑企业,整合知识管理、多智
多角色 AI 助手设计:设计三类专家助手(综合助手 / 产品
项目内容:集成公司测试、运维等多平台能力,实现开发从编码到上
需求方专属客服,免费梳理匹配
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如当前档期不合,也可免费为您推荐相似案例作者