yolov5/yolov8/yolo11/yolo目标检测数据集，光伏面板红外图像热斑缺陷检测数据集，12736张标注好的数据集（3类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用 3个类别：金色斑点、浅金色斑点、阴影。 图像分辨率为大分辨率RGB图片。 效果参考展示：https://blog.csdn.net/m0_37302966/article/details/151869402 更多资源下载：https://blog.csdn.net/m0_37302966/article/details/146555773

光伏组件在日常运行中不可避免会产生各种缺陷，热斑缺陷就是其中一种.现有的研究主要针对光伏组件在生产工艺流程中出现的缺陷，对日常运行中光伏组件产生的缺陷检测算法研究很少并且存在泛化能力差、准确率不足等问题.本文在原始Faster RCNN的基础上，结合图像预处理、迁移学习、改进特征提取网络模型以及改进锚框选区方案，得到热斑缺陷检测模型.实验证明，使用本文模型在自制的测试集上平均检测准确率可达97.34%，相比原始Faster RCNN提高了4.51%.