本项目面向分布式光伏电站的智能运维需求，设计并实现了一套基于视觉赋能的故障智能识别与定位系统。系统融合无人机自主飞行平台、红外图像采集、智能识别算法与三维建模技术，具备全天候自动巡检、故障识别与精准定位能力。围绕光伏电站在智能巡检与故障识别中存在的关键问题，本项目提出多项创新技术路径。针对红外图像中不同类型故障特征差异小、细节难提取的问题，构建M-E深度学习模型，增强局部精细特征学习能力，显著提升10类典型故障类型的识别精度，诊断率可达94%。针对巡检中光照干扰易致热斑漏检与反光误检的问题，引入基于Multi-YOLOv8的多帧检测方法，结合光流分析与背景抑制，在复杂光照环境下显著提升检测稳定性与准确率。针对传统三维建模计算量大、定位精度低的问题，设计“2D-3D”故障映射机制，实现二维图像与三维空间的高效转换，提升导航精度并降低点云计算负担。发表中英文期刊论文11篇，包括1篇SCI-区TOP期刊文章;在多项国家级与省市级科技赛事中获得荣誉，体现出良好的技术先进性与应用潜力。系统部分模块已在真实光伏场景中部署试运行，效果良好，具备在分布式光伏场站、智能微电网及综合能源运维等场景的推广价值。