随着全球对电力需求的增长和化石燃料资源的枯竭，利用可再生能源，特别是光伏（PV）系统的需求愈加紧迫。然而，内部缺陷和外部环境条件通常会影响光伏组件的操作效率和可靠性。本文提出了PVDefectNet，一种基于深度学习的光伏系统故障检测和分类器。该方案采用resnet架构和数据增强技术，以提升其在不同工作环境中的适应性。PVDefectNet基于五个阶段：数据准备和预处理、模型架构设计、训练、评估与可视化以及性能分析。实验结果表明，所提框架具有较高的分类性能，平均准确率为98，精确率为97.1，召回率为96.5，F1评分为96.8，优于一些现有方法。此外，Grad-CAM提供的可视化结果证明模型聚焦于物理上重要的缺陷区域，增强了解释性和可靠性。这些结果表明，PVDefectNet是智能监测和维护光伏系统的一种良好且清晰的解决方案。
Talaat等人（星期二，）研究了此问题。