SSSDScientific and Social Sustainable Development3066-89643066-8980Art and Technology10.61369/SSSD.2026090020Article机器视觉在光伏电站不安全行为识别的应用https://artdesignp.com/journal/SSSD/2/9/10.61369/SSSD.2026090020郑瑞新,鲍鸿达,贾振龙,范科,冯晓锐,张记2026292026-05-14随着光伏发电技术在全球普及，光伏电站装机容量也在逐渐增大，对人员安全、设备安全和电站安全提出了更高要求，安全运维技术成为制约其发展的要素之一。目前传统光伏电站的视频监控系统，只能做到值班人员实时“监督”或者“事后取证”，效率低下且受人为影响。 文章提出基于机器视觉在光伏电站不安全行为识别的方案，实现对传统摄像头的AI 赋能，希望能有效提高光伏电站的安全管理水平，降低违章行为的发生，促进光伏行业的健康发展。机器视觉,深度学习,视频监控,光伏电站,不安全行为

[1] 牟少樊. 基于机器视觉的驾驶员不安全行为识别预警研究[D]. 武汉工程大学,2023.DOI:10.27727/d.cnki.gwhxc.2023.000138.[2] 方伟立, 丁烈云. 工人不安全行为智能识别与矫正研究[J]. 华中科技大学学报: 自然科学版, 2022, 50(8):5.[3] 崔刚. 融合车辆轨迹与机器视觉的驾驶安全检测技术及应用[D]. 内蒙古大学,2021.DOI:10.27224/d.cnki.gnmdu.2021.000132.[4] 张国玲, 亓文斌. 基于物联网的高危产业生产事故隐患监测及预警系统的研发[J]. 电子制作, 2021(14):4.DOI:10.3969/j.issn.1006-5059.2021.14.031.[5] 庄廷琳, 宁福华, 谢俏敏, 等. 基于机器视觉的建筑工人不安全行为智慧识别与管理[J]. 价值工程, 2025(18).[6] 华北科技学院. 一种基于机器视觉的井下人员不安全行为快速分析与识别方法:202211013155.X[P].2022-10-21.[7] 隋龙琨. 基于机器视觉的井下人员不安全行为识别方法及应用研究[D]. 华北科技学院,2024.DOI:10.27861/d.cnki.gnckj.2024.000068.[8] 魏涵. 基于机器视觉和本体的施工场景危险源识别方法研究[D]. 中南大学,2022.[9] 张泽明, 曹金凤, 贾舒安, 等. 基于YOLOv5的加油站不安全行为检测算法研究[J]. 工业安全与环保,2024,50(05):80-85+91.[10] 武熠明, 徐明智, 幸贞雄. 加油站员工不安全行为智能监测预警系统设计[J]. 应用化工, 2022, 51(S02):308-311.