简介这份文档面向光伏电站运维人员、无人机选型与检测认证从业者以及关注新能源智能巡检的技术人员围绕无人机在光伏场景中的飞行性能与巡检规范展开系统梳理。内容涵盖无人机系统构成与飞行质量控制、200W/m²至1000W/m²辐照度范围内的可见光与红外成像要求、按L1至L4电站类型与U1至U4装机容量划分的差异化功能指标以及自检、全自主航迹规划、避障、自动返航、定点悬停、断点续航等11项功能并给出坐标偏移不大于1.5m、返航偏差±1.5m等可量化验证方法。资源包内含1个docx文档约14KB结构紧凑便于随时查阅与引用。目前已有134人学习。读者可借此快速掌握无人机巡检的性能判定依据与测试思路为设备选型、功能验收和电站运维方案设计提供参考。1. 一块 30MW 屋顶电站为什么巡检要靠无人机重排一遍一个 30MW 的屋顶分布式电站组件铺在七八个厂房上斜坡、女儿墙、通风管交错。两个人拿手持红外热像仪走一遍光上下屋面就是大半天回到办公室还要按厂房逐张对图。换成无人机按固定航线飞同样的覆盖面能压到两三个小时每帧图像还带着经纬度和相对高度后期可以直接落到组件编号上。光伏电站用无人机飞行性能及巡检要求本质是两件事被绑在一起无人机在风大、辐照强、地物高差明显的电站场景里飞得稳不稳、够不够久、定位准不准以及为了拿到能判定缺陷的图像航线怎么铺、参数怎么设、什么天气条件下必须停飞。前者划出作业边界后者决定数据能不能用缺一样最后的报告都只是一本好看的图册。这套内容对着电站运维、第三方检测机构的作业人员也对着刚接手无人机资产、要把巡检流程写进作业指导书的技术负责人。2. 光伏电站巡检无人机的飞行性能怎么定从组件尺寸反推机型指标电站场景对飞行性能的要求不是从参数表倒着看出来的而是从「要看清什么」往前推。检测对象的尺寸很明确一块常规组件约 2.3 m × 1.1 m内部由 60 或 72 片电池片拼成单片尺寸在 15 cm 量级热斑、隐裂、二极管失效往往就发生在单片甚至半片范围内。这个物理尺度决定了对地分辨率的下限再由分辨率反推飞行高度由飞行高度和任务量反推续航、抗风和载荷。顺序一旦颠倒很容易买回来一台参数漂亮、实际一天飞不完一个方阵的机器。2.1 从组件尺寸反推 GSD、飞行高度与航带间距对地分辨率 GSD 的算法很简单GSD 等于像元尺寸乘以飞行高度再除以镜头焦距。反过来已知想达到的 GSD飞行高度就是 GSD 乘焦距再除以像元尺寸。可见光相机要识别玻璃破裂、鸟粪遮挡、组件缺失GSD 控制在 1.5 cm/px 左右就够用红外要能分辨单个电池片的温升GSD 一般压在 5 cm/px 以内再大热斑就只剩两三个像素形状特征全丢了。载荷像元尺寸镜头焦距目标 GSD推荐飞行高度单幅覆盖宽度可见光 1/2.3 英寸 CMOS4000×30001.55 μm4.5 mm1.5 cm/px约 45 m60 m红外 640×512 探测器12 μm13 mm4.6 cm/px约 50 m约 29 m红外 640×512 探测器12 μm13 mm9.2 cm/px约 100 m约 59 m航带间距由覆盖宽度和重叠率决定公式是幅宽乘以一减重叠率。红外幅宽 29.4 m、重叠率取 30%间距就是 20.6 m可见光幅宽 60 m、重叠率取 70%间距 18 m。双光同飞时取两者的小值也就是 18~20 m宁可多飞两条航带也不要让红外图像出现拼接缝。航向方向的拍照间隔同理可见光单幅纵向覆盖 45 m、航向重叠 70%每 13.5 m 触一次快门。# 单架次可覆盖面积估算双光吊舱巡检速度 6 m/s speed 6.0 # m/s 巡检巡航速度红外建议 3~7 m/s过快会拖影 endurance 32 * 60 # s 标称续航双光吊舱挂载后按实际测得的分钟数填 reserve 0.35 # 预留比例起飞爬升、返航、末端盘旋 turn_penalty 0.12 # 航带两端减速转向的额外损耗 strip_gap 20.0 # m 相邻航带间距由红外幅宽和重叠率算出 turn_count 8 # 单次起降覆盖的航带条数受地块形状限制 work_s endurance * (1 - reserve - turn_penalty) total_len speed * work_s area total_len * strip_gap print(f有效作业 {work_s/60:.1f} min航程 {total_len:.0f} m覆盖 {area/10000:.2f} 万 m²)这段代码估的是「一块电池能扫多少平方米」。reserve和turn_penalty是两个最容易被拍脑袋填错的参数前者按最远航点距离和返航速度单独核算一般在 30%~40%后者在长条形地块上可以降到 8%在碎片化厂房屋顶上要提到 15% 以上。strip_gap必须用红外那一侧的数值用可见光的 60 m 幅宽去乘会直接漏掉一半组件。2.2 抗风等级、悬停精度、爬升率判断能不能飞的三个硬指标电站多数建在开阔地带屋面和山地电站的阵风是常态。厂商标称的最大抗风等级通常指「能飞回来」不等于「能拍清楚」作业风速上限要按图像质量重新定一般要求作业时风速不超过 8 m/s起降阶段不超过 6 m/s阵风要留出 2 m/s 余量。超过这个值云台自稳会持续吃掉电机余量红外图像的背景温度也会因为组件表面气流散热而漂移。指标电站场景常见要求不达标会发生什么作业风速≤8 m/s阵风 ≤10 m/s航迹偏移、图像拖影、重叠率失真悬停精度RTK 模式水平 ±0.1 m航带间距不均出现漏检条带爬升/下降率≥5 m/s屋顶高差大的电站转场慢续航被吃掉带载续航实际作业 ≥20 min一个方阵要分多次起降拼接工作量翻倍防护等级IP43 以上晨间露水、雨后残水进入机身工作温度-10~40 ℃夏季午后电池放电能力下降续航缩水悬停精度这一项常被低估。没有 RTK 的机型靠视觉定位水平误差在 ±0.3 m 上下飞到 100 m 高度时航带间距会忽宽忽窄重叠率低于设定值的那几条航带就是漏检区。RTK 固定解状态下的 ±0.1 m 不只是好看它让「按固定间距铺航带」这件事在工程上成立也让后期把热斑坐标映射到组件编号成为可能。2.3 双光吊舱与单红外载荷重量怎么吃掉续航常见的两种配置是双光吊舱可见光加红外共用一套云台视场基本对齐和单红外挂载加一次单独的可见光飞行。双光的优势是一次飞行拿到两套数据像素级对齐热斑定位直接借可见光底图代价是吊舱重量普遍在 800 g 到 1 kg带载续航比空载少三成左右。分开飞两次数据量翻倍不说两次飞行的太阳高度角、云况、组件温度都不一样红外图像的背景温度对不上量化分析就没法做。我一般会按「可见光 4000 万像素级加红外 640×512、总重不超过 1 kg、带载续航实测不低于 25 min」这条线来选。红外分辨率再往下掉到 320×256在 50 m 高度就只剩 2 cm 级 GSD 的优势但像元数少了一半单幅覆盖宽度腰斩航带数量直接翻倍得不偿失。3. 光伏电站无人机巡检航线规划与作业参数设置航线规划的目标不是画得好看而是让每一块组件在红外图像里都落到同一个温标基准上。这要求飞行高度稳定、航带方向与组件排布方向一致、相邻航带的成像时间尽量接近。组件阵列通常是规则的矩形航带方向沿着组件长边飞能减少云台转向次数也让组串编号的连续性更容易保持。3.1 航带方向、重叠率与飞行高度的联合确定航带方向先定再定重叠率最后才反推高度。方向用正射底图量取组件长边的方位角把航线整体旋转到这个角度机头方向与航带方向一致云台保持正下视。重叠率分两类旁向重叠决定相邻航带能不能拼上红外取 30% 即可因为热斑是点状特征不需要密集拼接航向重叠决定同一条航带上前后两张图有没有断层可见光取 65%~75%红外取 40%~50%。重叠率不是越高越好旁向重叠提到 60%航带数量增加近一倍续航直接不够用。注意重叠率必须按「实际 GSD 下的幅宽」来算不能拿厂商给的传感器分辨率直接乘。带畸变的广角镜头边缘部分会被裁掉实际有效幅宽通常比理论值小 5%~10%。3.2 用 Python 生成往复式航带航点并导出 CSV大多数航线规划 App 都能手绘航带但地块形状复杂、要按固定间距严格铺开时脚本生成更可控。下面这段代码生成本地米制坐标下的往复式牛耕式航点再按纬度换算成经纬度导出成 CSV各家的 App 和航线转换工具基本都认这个格式。import csv, math def plan_grid(origin_lat, origin_lon, strip_len, gap, rows, alt, speed6.0): 往复式航带航点奇偶行反向减少空飞段 lat_per_m 1 / 111320.0 # 纬度 1° 约 111320 m lon_per_m 1 / (111320.0 * math.cos(math.radians(origin_lat))) wp, idx [], 1 for r in range(rows): y r * gap # 沿航带正交方向的偏移 xs [0, strip_len] if r % 2 0 else [strip_len, 0] for x in xs: wp.append({ index: idx, lat: round(origin_lat y * lat_per_m, 8), lon: round(origin_lon x * lon_per_m, 8), alt: alt, speed: speed, gimbal_pitch: -90, # 正下视 action: takePhoto if r % 2 0 else none, }) idx 1 return wp wps plan_grid(30.1234, 120.5678, strip_len200, gap20, rows8, alt50) with open(route.csv, w, newline, encodingutf-8) as f: w csv.DictWriter(f, fieldnameslist(wps[0].keys())) w.writeheader() w.writerows(wps) print(len(wps), 个航点已写入 route.csv)strip_len是单条航带的长度按地块实际尺寸填不要硬凑成整数gap是上一节算出的航带间距rows是航带条数乘以间距就是覆盖宽度。action字段只是占位实际拍照节奏建议用 App 里的「等距触发」按 13.5 m 的间隔自动拍比在每个航点手动触发稳定得多。导出的经纬度是相对起飞点的偏移导入时需要把origin_lat、origin_lon换成实测的起飞点坐标并确认坐标系是 WGS84 还是 CGCS2000两套坐标系直接混用会带来几十米级的整体平移。3.3 红外测温参数的设置发射率、量程与快门校正红外图像要能定量比较三个参数必须在起飞前固定死。发射率按被测表面来设光伏组件表面是钢化玻璃常见取值在 0.85 到 0.95 之间具体值要跟后期分析保持一致中途改动会导致同一份报告里的温差不可比。测温量程建议手动固定夏季组件表面能到 70 ℃ 以上量程设成 -20~150 ℃ 比较稳妥用自动量程的话画面里出现一块高温区域就会整体重新拉伸背景温度跟着跳逐张对比就失效了。调色板只影响目视效果不影响数据。铁红和彩虹调色板看着直观但做量化分析必须保留原始辐射数据也就是红外相机输出的 16 位 TIFF 或者带测温信息的 R-JPEG不能用手机截屏或伪彩图去算温差。快门校正非均匀性校正按厂商建议周期开启一般每 1~2 分钟自动执行一次校正瞬间画面会短暂冻结航线规划时要避开在关键位置触发。参数建议设置说明发射率0.85~0.95全程一致与后期分析软件保持一致测温量程手动-20~150 ℃避免自动量程跳变调色板铁红或彩虹仅用于目视量化用原始数据快门校正每 1~2 min 自动校正期间画面冻结避开关键点帧率≥9 Hz6 m/s 巡航下避免运动拖影4. 光伏电站无人机巡检数据采集与红外热斑识别落地数据采集这一段决定了后面所有分析的上限。飞行参数再漂亮如果作业时的辐照度不够、云况不稳热斑温差不出来识别算法再强也没用。采集和识别要放在一起设计知道识别算法需要什么才知道现场该卡哪些条件。4.1 开工门槛辐照度、风速、云况的量化判断辐照度是最关键的门槛。热斑的温升来自被遮挡电池片的功率损耗辐照度低于 400 W/m² 时热斑与正常组件的温差可能只有几开尔文容易被噪声淹没。常见做法是选在正午前后三小时作业用便携辐照度计在现场实测读数低于阈值就等。作业条件建议阈值越界后的后果太阳辐照度≥400 W/m²热斑温差不足系统性漏判环境风速≤8 m/s阵风 ≤10 m/s航迹偏移、红外图像拖影云况无遮挡或稳定晴空背景温度漂移相邻图不可比组件表面与环境温差≥15 K温升特征弱分级失真RTK 状态固定解航带间距不均定位失准飞行前的检查项要固定成清单RTK 是否固定解、指南针是否校准、返航高度是否设为场内最高障碍物加 30 m、电池温度与电量、存储卡剩余空间、云台自检结果。返航高度这一项在屋顶电站尤其容易出事厂房屋面之间高度差十几米很常见按起飞点高度设的返航高度会直接撞上更高的厂房。4.2 用 OpenCV 做红外图像热斑初筛红外图像的热斑在灰度上表现为局部高值。与其逐张目视不如用「大核中值滤波估计背景再取差值」的方式做初筛逻辑简单、参数少、对批量数据友好。import cv2 import numpy as np img cv2.imread(ir_001.png, cv2.IMREAD_UNCHANGED) if img.dtype ! np.uint8: # 16 位辐射数据先线性拉伸到 8 位 img cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8) bg cv2.medianBlur(img, 61) # 大核中值估计组件区域背景温度 diff cv2.subtract(img, bg) # 只保留高于背景的部分 _, mask cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY) # 25 灰阶约为 10 K 温差 mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, np.ones((3, 3), np.uint8)) cnts, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for c in cnts: if cv2.contourArea(c) 6: # 过滤单像素噪点 continue x, y, w, h cv2.boundingRect(c) peak img[y:yh, x:xw].max() print(f疑似热斑 bbox({x},{y},{w},{h}) 面积{cv2.contourArea(c):.0f}px 峰值灰度{peak})中值滤波核取 61 像素是按「热斑尺寸远小于滤波核」这个前提定的核越大背景估计越平滑但太大会把成片的二极管失效区域也当成背景抹掉。阈值 25 灰阶不是通用值它取决于相机的温标映射关系必须先用几处已知温度的点做一次线性标定再换成温差阈值。contourArea下限 6 像素是经验值低于这个面积的连通域多半是传感器噪声或者镜面反射。这套初筛只做「疑似」最终判定还是要回到原始辐射数据和人工复核。4.3 巡检成果字段与缺陷分级怎么定一份能进工单系统的巡检成果至少要包含组件编号或组串编号、缺陷类型、红外峰值温度与环境温度、温差、缺陷像素面积换算的实际尺寸、对应的可见光截图、经纬度与航带编号、拍摄时间与辐照度。缺了辐照度和拍摄时间后面没法复盘因为同一块组件在不同辐照度下温差完全不一样。分级常被引用的思路来自光伏电站红外检测导则如 IEC TS 62446-3 这一类文件温差小于 5 K 视为正常波动5~20 K 之间列为需复检超过 20 K 列为严重缺陷建议停机检查。分级只解决排序问题具体处置还要结合缺陷形态——整串半片温度偏高多半是旁路二极管失效单点高温且形状规则多为遮挡或单片失效成片均匀偏高的要排查组串接线和汇流箱。5. 巡检精度验证与飞行安全边界的两处进阶技巧前面几章把流程跑通了剩下的风险集中在两处一是电量估算靠感觉返航时才发现逆风吃电厉害二是热斑定位到底准不准没人验证过。这两件事都有比较硬的量化做法。5.1 返航电量阈值按风况动态校核厂商给的「低电量返航」百分比是按无风巡航功率定的逆风时功率系数能到 1.2 甚至 1.4。起飞前按最远航点的距离和当场风速算一遍阈值比沿用默认值可靠得多。# 返航电量阈值校核按最远航点距离和风况估算 pack_wh 90.0 # Wh 电池总能量双光吊舱挂载时的实测值 cruise_w 780.0 # W 无风巡航功率按机型实测填写 speed 6.0 # m/s 返航速度 dist 900.0 # m 当前距返航点的水平距离 wind 1.25 # 逆风功率系数4~6 级风取 1.2~1.4 reserve 0.15 # 落地前要求保留的电量比例 rth_s dist / speed rth_wh cruise_w * wind * rth_s / 3600 threshold rth_wh / pack_wh reserve print(f返航耗时 {rth_s:.0f} s需 {rth_wh:.1f} Wh返航触发电量设为 {threshold*100:.0f}%)算出来的阈值作为航线级的固定值写进作业单而不是等飞机自己判断。pack_wh一定要用挂载后的健康电池实测容量标称容量和循环过几百次之后的实际容量能差 15% 以上。顺风返航可以把wind降到 0.9但别低于reserve的保护线。5.2 双航线复核验证热斑定位精度定位精度不验证缺陷坐标就没法直接派工单。做法是抽 5% 的航带反向重飞一次航带方向旋转 180°或者换一个高度重飞把同一热斑在两次飞行中的像素坐标换算成实际偏移量。import numpy as np gsd 0.046 # m/px 红外 GSD p1 np.array([2140, 1180]) # 首飞中的热斑像素坐标 p2 np.array([2147, 1176]) # 复核航线中的同一热斑坐标 offset (p2 - p1) * gsd print(fdx{offset[0]:.2f} m, dy{offset[1]:.2f} m, 合成偏差 {np.linalg.norm(offset):.2f} m)合成偏差在 0.5 m 以内说明坐标可以直接映射到组件级别超过 1.5 m就要回头查 RTK 是否固定解、云台俯仰角有没有漂、两次飞行的航向角是否一致。复核同时还能统计漏检人工用手持热像仪抽查 20 个算法标出的疑似点记录误报数量再随机抽 30 块外观正常的组件做反查两次结果合起来才是这套流程真实的检出率。本文还有配套的精品资源点击获取 光伏电站无人机巡检：飞行性能、航线规划与红外热斑识别
简介这份文档面向光伏电站运维人员、无人机选型与检测认证从业者以及关注新能源智能巡检的技术人员围绕无人机在光伏场景中的飞行性能与巡检规范展开系统梳理。内容涵盖无人机系统构成与飞行质量控制、200W/m²至1000W/m²辐照度范围内的可见光与红外成像要求、按L1至L4电站类型与U1至U4装机容量划分的差异化功能指标以及自检、全自主航迹规划、避障、自动返航、定点悬停、断点续航等11项功能并给出坐标偏移不大于1.5m、返航偏差±1.5m等可量化验证方法。资源包内含1个docx文档约14KB结构紧凑便于随时查阅与引用。目前已有134人学习。读者可借此快速掌握无人机巡检的性能判定依据与测试思路为设备选型、功能验收和电站运维方案设计提供参考。1. 一块 30MW 屋顶电站为什么巡检要靠无人机重排一遍一个 30MW 的屋顶分布式电站组件铺在七八个厂房上斜坡、女儿墙、通风管交错。两个人拿手持红外热像仪走一遍光上下屋面就是大半天回到办公室还要按厂房逐张对图。换成无人机按固定航线飞同样的覆盖面能压到两三个小时每帧图像还带着经纬度和相对高度后期可以直接落到组件编号上。光伏电站用无人机飞行性能及巡检要求本质是两件事被绑在一起无人机在风大、辐照强、地物高差明显的电站场景里飞得稳不稳、够不够久、定位准不准以及为了拿到能判定缺陷的图像航线怎么铺、参数怎么设、什么天气条件下必须停飞。前者划出作业边界后者决定数据能不能用缺一样最后的报告都只是一本好看的图册。这套内容对着电站运维、第三方检测机构的作业人员也对着刚接手无人机资产、要把巡检流程写进作业指导书的技术负责人。2. 光伏电站巡检无人机的飞行性能怎么定从组件尺寸反推机型指标电站场景对飞行性能的要求不是从参数表倒着看出来的而是从「要看清什么」往前推。检测对象的尺寸很明确一块常规组件约 2.3 m × 1.1 m内部由 60 或 72 片电池片拼成单片尺寸在 15 cm 量级热斑、隐裂、二极管失效往往就发生在单片甚至半片范围内。这个物理尺度决定了对地分辨率的下限再由分辨率反推飞行高度由飞行高度和任务量反推续航、抗风和载荷。顺序一旦颠倒很容易买回来一台参数漂亮、实际一天飞不完一个方阵的机器。2.1 从组件尺寸反推 GSD、飞行高度与航带间距对地分辨率 GSD 的算法很简单GSD 等于像元尺寸乘以飞行高度再除以镜头焦距。反过来已知想达到的 GSD飞行高度就是 GSD 乘焦距再除以像元尺寸。可见光相机要识别玻璃破裂、鸟粪遮挡、组件缺失GSD 控制在 1.5 cm/px 左右就够用红外要能分辨单个电池片的温升GSD 一般压在 5 cm/px 以内再大热斑就只剩两三个像素形状特征全丢了。载荷像元尺寸镜头焦距目标 GSD推荐飞行高度单幅覆盖宽度可见光 1/2.3 英寸 CMOS4000×30001.55 μm4.5 mm1.5 cm/px约 45 m60 m红外 640×512 探测器12 μm13 mm4.6 cm/px约 50 m约 29 m红外 640×512 探测器12 μm13 mm9.2 cm/px约 100 m约 59 m航带间距由覆盖宽度和重叠率决定公式是幅宽乘以一减重叠率。红外幅宽 29.4 m、重叠率取 30%间距就是 20.6 m可见光幅宽 60 m、重叠率取 70%间距 18 m。双光同飞时取两者的小值也就是 18~20 m宁可多飞两条航带也不要让红外图像出现拼接缝。航向方向的拍照间隔同理可见光单幅纵向覆盖 45 m、航向重叠 70%每 13.5 m 触一次快门。# 单架次可覆盖面积估算双光吊舱巡检速度 6 m/s speed 6.0 # m/s 巡检巡航速度红外建议 3~7 m/s过快会拖影 endurance 32 * 60 # s 标称续航双光吊舱挂载后按实际测得的分钟数填 reserve 0.35 # 预留比例起飞爬升、返航、末端盘旋 turn_penalty 0.12 # 航带两端减速转向的额外损耗 strip_gap 20.0 # m 相邻航带间距由红外幅宽和重叠率算出 turn_count 8 # 单次起降覆盖的航带条数受地块形状限制 work_s endurance * (1 - reserve - turn_penalty) total_len speed * work_s area total_len * strip_gap print(f有效作业 {work_s/60:.1f} min航程 {total_len:.0f} m覆盖 {area/10000:.2f} 万 m²)这段代码估的是「一块电池能扫多少平方米」。reserve和turn_penalty是两个最容易被拍脑袋填错的参数前者按最远航点距离和返航速度单独核算一般在 30%~40%后者在长条形地块上可以降到 8%在碎片化厂房屋顶上要提到 15% 以上。strip_gap必须用红外那一侧的数值用可见光的 60 m 幅宽去乘会直接漏掉一半组件。2.2 抗风等级、悬停精度、爬升率判断能不能飞的三个硬指标电站多数建在开阔地带屋面和山地电站的阵风是常态。厂商标称的最大抗风等级通常指「能飞回来」不等于「能拍清楚」作业风速上限要按图像质量重新定一般要求作业时风速不超过 8 m/s起降阶段不超过 6 m/s阵风要留出 2 m/s 余量。超过这个值云台自稳会持续吃掉电机余量红外图像的背景温度也会因为组件表面气流散热而漂移。指标电站场景常见要求不达标会发生什么作业风速≤8 m/s阵风 ≤10 m/s航迹偏移、图像拖影、重叠率失真悬停精度RTK 模式水平 ±0.1 m航带间距不均出现漏检条带爬升/下降率≥5 m/s屋顶高差大的电站转场慢续航被吃掉带载续航实际作业 ≥20 min一个方阵要分多次起降拼接工作量翻倍防护等级IP43 以上晨间露水、雨后残水进入机身工作温度-10~40 ℃夏季午后电池放电能力下降续航缩水悬停精度这一项常被低估。没有 RTK 的机型靠视觉定位水平误差在 ±0.3 m 上下飞到 100 m 高度时航带间距会忽宽忽窄重叠率低于设定值的那几条航带就是漏检区。RTK 固定解状态下的 ±0.1 m 不只是好看它让「按固定间距铺航带」这件事在工程上成立也让后期把热斑坐标映射到组件编号成为可能。2.3 双光吊舱与单红外载荷重量怎么吃掉续航常见的两种配置是双光吊舱可见光加红外共用一套云台视场基本对齐和单红外挂载加一次单独的可见光飞行。双光的优势是一次飞行拿到两套数据像素级对齐热斑定位直接借可见光底图代价是吊舱重量普遍在 800 g 到 1 kg带载续航比空载少三成左右。分开飞两次数据量翻倍不说两次飞行的太阳高度角、云况、组件温度都不一样红外图像的背景温度对不上量化分析就没法做。我一般会按「可见光 4000 万像素级加红外 640×512、总重不超过 1 kg、带载续航实测不低于 25 min」这条线来选。红外分辨率再往下掉到 320×256在 50 m 高度就只剩 2 cm 级 GSD 的优势但像元数少了一半单幅覆盖宽度腰斩航带数量直接翻倍得不偿失。3. 光伏电站无人机巡检航线规划与作业参数设置航线规划的目标不是画得好看而是让每一块组件在红外图像里都落到同一个温标基准上。这要求飞行高度稳定、航带方向与组件排布方向一致、相邻航带的成像时间尽量接近。组件阵列通常是规则的矩形航带方向沿着组件长边飞能减少云台转向次数也让组串编号的连续性更容易保持。3.1 航带方向、重叠率与飞行高度的联合确定航带方向先定再定重叠率最后才反推高度。方向用正射底图量取组件长边的方位角把航线整体旋转到这个角度机头方向与航带方向一致云台保持正下视。重叠率分两类旁向重叠决定相邻航带能不能拼上红外取 30% 即可因为热斑是点状特征不需要密集拼接航向重叠决定同一条航带上前后两张图有没有断层可见光取 65%~75%红外取 40%~50%。重叠率不是越高越好旁向重叠提到 60%航带数量增加近一倍续航直接不够用。注意重叠率必须按「实际 GSD 下的幅宽」来算不能拿厂商给的传感器分辨率直接乘。带畸变的广角镜头边缘部分会被裁掉实际有效幅宽通常比理论值小 5%~10%。3.2 用 Python 生成往复式航带航点并导出 CSV大多数航线规划 App 都能手绘航带但地块形状复杂、要按固定间距严格铺开时脚本生成更可控。下面这段代码生成本地米制坐标下的往复式牛耕式航点再按纬度换算成经纬度导出成 CSV各家的 App 和航线转换工具基本都认这个格式。import csv, math def plan_grid(origin_lat, origin_lon, strip_len, gap, rows, alt, speed6.0): 往复式航带航点奇偶行反向减少空飞段 lat_per_m 1 / 111320.0 # 纬度 1° 约 111320 m lon_per_m 1 / (111320.0 * math.cos(math.radians(origin_lat))) wp, idx [], 1 for r in range(rows): y r * gap # 沿航带正交方向的偏移 xs [0, strip_len] if r % 2 0 else [strip_len, 0] for x in xs: wp.append({ index: idx, lat: round(origin_lat y * lat_per_m, 8), lon: round(origin_lon x * lon_per_m, 8), alt: alt, speed: speed, gimbal_pitch: -90, # 正下视 action: takePhoto if r % 2 0 else none, }) idx 1 return wp wps plan_grid(30.1234, 120.5678, strip_len200, gap20, rows8, alt50) with open(route.csv, w, newline, encodingutf-8) as f: w csv.DictWriter(f, fieldnameslist(wps[0].keys())) w.writeheader() w.writerows(wps) print(len(wps), 个航点已写入 route.csv)strip_len是单条航带的长度按地块实际尺寸填不要硬凑成整数gap是上一节算出的航带间距rows是航带条数乘以间距就是覆盖宽度。action字段只是占位实际拍照节奏建议用 App 里的「等距触发」按 13.5 m 的间隔自动拍比在每个航点手动触发稳定得多。导出的经纬度是相对起飞点的偏移导入时需要把origin_lat、origin_lon换成实测的起飞点坐标并确认坐标系是 WGS84 还是 CGCS2000两套坐标系直接混用会带来几十米级的整体平移。3.3 红外测温参数的设置发射率、量程与快门校正红外图像要能定量比较三个参数必须在起飞前固定死。发射率按被测表面来设光伏组件表面是钢化玻璃常见取值在 0.85 到 0.95 之间具体值要跟后期分析保持一致中途改动会导致同一份报告里的温差不可比。测温量程建议手动固定夏季组件表面能到 70 ℃ 以上量程设成 -20~150 ℃ 比较稳妥用自动量程的话画面里出现一块高温区域就会整体重新拉伸背景温度跟着跳逐张对比就失效了。调色板只影响目视效果不影响数据。铁红和彩虹调色板看着直观但做量化分析必须保留原始辐射数据也就是红外相机输出的 16 位 TIFF 或者带测温信息的 R-JPEG不能用手机截屏或伪彩图去算温差。快门校正非均匀性校正按厂商建议周期开启一般每 1~2 分钟自动执行一次校正瞬间画面会短暂冻结航线规划时要避开在关键位置触发。参数建议设置说明发射率0.85~0.95全程一致与后期分析软件保持一致测温量程手动-20~150 ℃避免自动量程跳变调色板铁红或彩虹仅用于目视量化用原始数据快门校正每 1~2 min 自动校正期间画面冻结避开关键点帧率≥9 Hz6 m/s 巡航下避免运动拖影4. 光伏电站无人机巡检数据采集与红外热斑识别落地数据采集这一段决定了后面所有分析的上限。飞行参数再漂亮如果作业时的辐照度不够、云况不稳热斑温差不出来识别算法再强也没用。采集和识别要放在一起设计知道识别算法需要什么才知道现场该卡哪些条件。4.1 开工门槛辐照度、风速、云况的量化判断辐照度是最关键的门槛。热斑的温升来自被遮挡电池片的功率损耗辐照度低于 400 W/m² 时热斑与正常组件的温差可能只有几开尔文容易被噪声淹没。常见做法是选在正午前后三小时作业用便携辐照度计在现场实测读数低于阈值就等。作业条件建议阈值越界后的后果太阳辐照度≥400 W/m²热斑温差不足系统性漏判环境风速≤8 m/s阵风 ≤10 m/s航迹偏移、红外图像拖影云况无遮挡或稳定晴空背景温度漂移相邻图不可比组件表面与环境温差≥15 K温升特征弱分级失真RTK 状态固定解航带间距不均定位失准飞行前的检查项要固定成清单RTK 是否固定解、指南针是否校准、返航高度是否设为场内最高障碍物加 30 m、电池温度与电量、存储卡剩余空间、云台自检结果。返航高度这一项在屋顶电站尤其容易出事厂房屋面之间高度差十几米很常见按起飞点高度设的返航高度会直接撞上更高的厂房。4.2 用 OpenCV 做红外图像热斑初筛红外图像的热斑在灰度上表现为局部高值。与其逐张目视不如用「大核中值滤波估计背景再取差值」的方式做初筛逻辑简单、参数少、对批量数据友好。import cv2 import numpy as np img cv2.imread(ir_001.png, cv2.IMREAD_UNCHANGED) if img.dtype ! np.uint8: # 16 位辐射数据先线性拉伸到 8 位 img cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8) bg cv2.medianBlur(img, 61) # 大核中值估计组件区域背景温度 diff cv2.subtract(img, bg) # 只保留高于背景的部分 _, mask cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY) # 25 灰阶约为 10 K 温差 mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, np.ones((3, 3), np.uint8)) cnts, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for c in cnts: if cv2.contourArea(c) 6: # 过滤单像素噪点 continue x, y, w, h cv2.boundingRect(c) peak img[y:yh, x:xw].max() print(f疑似热斑 bbox({x},{y},{w},{h}) 面积{cv2.contourArea(c):.0f}px 峰值灰度{peak})中值滤波核取 61 像素是按「热斑尺寸远小于滤波核」这个前提定的核越大背景估计越平滑但太大会把成片的二极管失效区域也当成背景抹掉。阈值 25 灰阶不是通用值它取决于相机的温标映射关系必须先用几处已知温度的点做一次线性标定再换成温差阈值。contourArea下限 6 像素是经验值低于这个面积的连通域多半是传感器噪声或者镜面反射。这套初筛只做「疑似」最终判定还是要回到原始辐射数据和人工复核。4.3 巡检成果字段与缺陷分级怎么定一份能进工单系统的巡检成果至少要包含组件编号或组串编号、缺陷类型、红外峰值温度与环境温度、温差、缺陷像素面积换算的实际尺寸、对应的可见光截图、经纬度与航带编号、拍摄时间与辐照度。缺了辐照度和拍摄时间后面没法复盘因为同一块组件在不同辐照度下温差完全不一样。分级常被引用的思路来自光伏电站红外检测导则如 IEC TS 62446-3 这一类文件温差小于 5 K 视为正常波动5~20 K 之间列为需复检超过 20 K 列为严重缺陷建议停机检查。分级只解决排序问题具体处置还要结合缺陷形态——整串半片温度偏高多半是旁路二极管失效单点高温且形状规则多为遮挡或单片失效成片均匀偏高的要排查组串接线和汇流箱。5. 巡检精度验证与飞行安全边界的两处进阶技巧前面几章把流程跑通了剩下的风险集中在两处一是电量估算靠感觉返航时才发现逆风吃电厉害二是热斑定位到底准不准没人验证过。这两件事都有比较硬的量化做法。5.1 返航电量阈值按风况动态校核厂商给的「低电量返航」百分比是按无风巡航功率定的逆风时功率系数能到 1.2 甚至 1.4。起飞前按最远航点的距离和当场风速算一遍阈值比沿用默认值可靠得多。# 返航电量阈值校核按最远航点距离和风况估算 pack_wh 90.0 # Wh 电池总能量双光吊舱挂载时的实测值 cruise_w 780.0 # W 无风巡航功率按机型实测填写 speed 6.0 # m/s 返航速度 dist 900.0 # m 当前距返航点的水平距离 wind 1.25 # 逆风功率系数4~6 级风取 1.2~1.4 reserve 0.15 # 落地前要求保留的电量比例 rth_s dist / speed rth_wh cruise_w * wind * rth_s / 3600 threshold rth_wh / pack_wh reserve print(f返航耗时 {rth_s:.0f} s需 {rth_wh:.1f} Wh返航触发电量设为 {threshold*100:.0f}%)算出来的阈值作为航线级的固定值写进作业单而不是等飞机自己判断。pack_wh一定要用挂载后的健康电池实测容量标称容量和循环过几百次之后的实际容量能差 15% 以上。顺风返航可以把wind降到 0.9但别低于reserve的保护线。5.2 双航线复核验证热斑定位精度定位精度不验证缺陷坐标就没法直接派工单。做法是抽 5% 的航带反向重飞一次航带方向旋转 180°或者换一个高度重飞把同一热斑在两次飞行中的像素坐标换算成实际偏移量。import numpy as np gsd 0.046 # m/px 红外 GSD p1 np.array([2140, 1180]) # 首飞中的热斑像素坐标 p2 np.array([2147, 1176]) # 复核航线中的同一热斑坐标 offset (p2 - p1) * gsd print(fdx{offset[0]:.2f} m, dy{offset[1]:.2f} m, 合成偏差 {np.linalg.norm(offset):.2f} m)合成偏差在 0.5 m 以内说明坐标可以直接映射到组件级别超过 1.5 m就要回头查 RTK 是否固定解、云台俯仰角有没有漂、两次飞行的航向角是否一致。复核同时还能统计漏检人工用手持热像仪抽查 20 个算法标出的疑似点记录误报数量再随机抽 30 块外观正常的组件做反查两次结果合起来才是这套流程真实的检出率。本文还有配套的精品资源点击获取