摘要
本发明公开了一种基于神经网络算法的光伏板异物检测方法，涉及光伏板检测技术领域，包括，通过在光伏板附近布置高清摄像机、红外摄像机以及热成像摄像机，收集可见光图像、红外图像和热成像图像，并进行预处理；基于神经网络算法构建识别模型，将预处理后的图像输入到识别模型中，提取综合特征向量，并通过识别模型计算出异物的存在概率。本发明通过综合利用可见光、红外及热成像三种图像数据，结合神经网络算法，增强了同一位置图像信息的互补性，提升了异物检测的准确性和鲁棒性；通过多模态图像融合，增强了对异物特征的全面捕捉能力，即使在复杂环境下也能保持较高的检测性能。
