随着光伏电厂运行年限的不断增加,光伏组件的故障及老化问题逐渐显现,这些问题在降低组件发电效率的同时还会引发安全问题。由此可见,定期对光伏电站进行运维,及时发现并处理故障、老化的组件,对保障光伏电站的正常运行十分重要。基于此,本文以实际运行中的光伏阵列航拍红外图像为实验对象,设计了相应的故障智能识别算法,从而实现光伏组件故障的自动分类与精准定位。具体内容如下:（1）设计了基于Otsu＿Iteration＿Canny的光伏组件故障检测算法。首先针对地面反光、阴影等因素的干扰造成Otsu算法不能有效分割出故障的问题,引入迭代阈值法对其进行改进;其次采取Canny算子提取分割出的故障边缘,并通过叠加的方式将故障标记在光伏组件上,以此实现故障的检测。（2）提出了基于改进Inception V3的光伏组件故障分类检测模型。首先为了降低模型参数量、加快模型运算速度,引入宽度因子?对模型通道数进行压缩;其次针对压缩模型故障特征提取能力不足的问题,引入SENet机制优化网络结构,以此加强对故障特征处的注意力即权重;最后在此基础上,引入logcosh函数为损失函数添加约束项,以此解决输出loss值不稳定及数值溢出情况。实验结果表明,改进模型故障识别准确率较高,且其查准率、查全率以及F1指标均优于其它模型,验证了该模型的有效性。（3）提出了基于改进SSD的光伏组件故障定位检测模型。首先针对SSD模型故障特征提取能力不足、小目标故障检测效果不佳的问题,建立了Res Net18＿FPN＿SSD模型,该模型采用Res Net18替换VGG16作为SSD的基础网络,同时结合多层特征融合的方式对SSD网络结构进行优化,以此共享高低层的特征信息,提高网络故障特征提取能力;其次针对Res Net18＿FPN＿SSD模型存在的类别不均衡以及NMS机制仅以分类置信度为标准筛选边界框的不足,提出了Res Net18＿FPN＿DN＿SSD模型,该模型通过引入DR loss函数来改进损失函数,同时对NMS进行加权优化,使得分类置信度高的边框可以充分利用周围对象的信息。实验结果表明,与原始SSD模型相比,最终的改进模型Res Net18＿FPN＿DN＿SSD将m AP值提高了5.37%,验证了该模型的有效性。