随着化石能源的短缺,且其燃烧造成环境污染,清洁的太阳能资源受到了人们的重视。可以预测,太阳能发电将会成为全球能源利用的重要来源。然而,光伏阵列长期工作于恶劣环境下,导致光伏组件的部分单体光伏电池损坏,从而降低了光伏发电系统发电效率。热斑现象是光伏发电系统的一种典型故障,它不仅会降低系统的发电效率,也容易带来安全问题。因此,快速有效的检测光伏组件热斑故障是十分必要的。在分析总结了现有的几种热斑检测方法后,针对处于故障状态下的太阳能电池板的温差特性与红外特性,说明了使用红外图像检测光伏阵列热斑的可行性。为了解决光伏红外图像低分辨率、低信噪比、低对比度的缺陷,本文综合采用了非均匀拉伸、自适应中值滤波等多种算法对其进行修正,达到了增加红外图像对比度、滤除椒盐类噪声的效果,为下一步的热斑提取奠定了基础。在分析比较了几种常见的图像分割算法后,将其应用于光伏红外图像的分割上。由于热斑往往面积较小,且其邻域灰度相差不大,使得Otsu法、最大散度阈值差法均未达到满意的分割效果。为了解决双峰峰值相差较大,而造成的分割困难的问题,本文提出了一种自适应最大散度阈值差法。同时,通过大量的光伏红外图像的分割实验,归纳了快速获取最大散度阈值的方法。达到了快速、有效分割光伏红外图像的效果。实验表明该方法是一种实用的自适应阈值选择方法。应用Visual Studio软件平台,做了光伏阵列热斑红外图像处理实验。通过对比Otsu法、简单迭代法、自适应最大散度阈值差法,验证了自适应最大散度阈值差法的准确性与快速性。快速有效提取光伏阵列热斑,为后续的故障诊断与定位提供依据,对提高光伏板检测的智能化水平有着重要意义。