在光伏发电系统中,光伏组件由于通常架设在高地或是偏远地区的原因,恶劣环境中的沙尘或其他颗粒物会附着在其表面,在降低光伏发电效率的同时还会产生热斑效应,给光伏电站带来经济损失。本文就光伏组件清洁问题,提出以无人机配备摄像头和清洁装置高效率完成清洗任务,同时针对无人机自身GPS定位误差较大,无法精准达到指定位置的关键问题,结合深度学习目标检测算法对光伏组件进行末端目标识别并指导无人机定位。本文主要工作如下:(1)针对传统图像处理方法识别速度慢,识别效果差的情况,制作了近500张的光伏组件VOC数据集,通过数据增强方式扩大数据集规模,在TensorFlow深度学习框架上对比一段检测法SSD与两段检测法Faster R-CNN,选择检测速度更快的SSD目标检测算法作为本设计算法。(2)针对光伏组件检测实验下的SSD算法对小目标效果较差,出现漏检的情况,使用ResNet替换VGG16并与反卷积结合得到DSSD算法;同时针对本设计的特点,由于SSD网络对大目标检测产生的描框产生大量计算冗余,故对网络进行裁减,起到减少计算量,加快运行速度的效果;最后针对实际情况下相机运动过程中会产生模糊,利用维纳滤波与正则化去卷积得到清晰图像。(3)运用DJI无人机Onboard SDK与优化的卷积神经网络优化算法相结合,设计光伏清洁系统,同时设计光伏清洁装置,在实验条件下,证明了无人机能够完成光伏组件识别与光伏组件清洁任务。