太阳能光伏板是光伏发电系统的主要组成部分。在实际应用中,为了实现对光伏板的高效维修,利用计算机对拍摄出的光伏板图片进行分割是很有必要的。在图像分割算法中,通过对图像进行分析,提取出若干特定的具有特殊性质的目标区域,方便人们对图像后续进行处理,提升工作效率。但是在背景比较复杂的情况下,例如图像的对比度不足或者图像颜色不均匀,如何能够精确的分割出感兴趣区域,提升分割准确度,是比较困难的事情。针对以上问题,本文开展了以下两部分的研究内容。(1)提出一种对比度较低的情况下针对太阳能光伏板红外图像的基于局部摘的有效分割方法。首先,对原图像进行对比度增强,增强方式采取直方图均衡化与HSV(色调、饱和度、亮度)颜色空间的V(亮度)通道图像相结合。之后,为了改善部分图像的颜色不均匀,利用水平集算法实现对图像的偏差矫正,进一步的,本文加入边缘停止函数增加水平集算法的运行速度。然后,将上一步骤得到的图像利用其局部熵进行分割得出最初的结果。最后,将初步分割结果进行腐蚀、膨胀、寻找最小外接矩形等处理得到最终的分割结果。(2)提出一种针对太阳能光伏板红外图像的基于Mask-Rcnn网络模型的分割方法。首先,对图像的训练集与验证集通过旋转、平移、剪切等方式进行数据量的扩充,增加图像的多样性。之后,对所有图像通过结合Caip算法与Guidefilter算法以实现图像对比度的增强。最后,利用Mask-Rcnn网络对训练集与验证集图像训练得到分割模型并根据分割模型实现对测试集图像的最终分割。本文提出的两种针对对比度不明显的太阳能电池板红外图像的分割方法,分别选取相应的太阳能电池板图像进行测试。实验结果显示,与许多现有的分割算法相比较而言,本文提出的基于局部熵和基于Mask-Rcnn网络的分割方法具有更好的精度与召回率。