目前光伏板异常状态智能图像检测方法缺少对关键样本特征关联性分析过程,并且以神经网络为主的识别过程,面对类似非线性特征时,会陷入迭代循环捕获过程,导致光伏板异常状态漏检率和误检率过高。文章设计一种基于协方差矩阵和模糊神经网络的光伏电站光伏板异常状态检测方法,首先,采集光伏板表面图像与内部工作数据,通过畸变校正、图像滤波以及图像增强对光伏板初始图像进行处理,得到处理后的图像;其次,利用协方差矩阵分析数据不同参数之间的关联性,提取光伏板内部工作数据特征,构建模糊神经网络获取光伏板运行数据的变化,捕捉表面图像特征,解决非线性感染问题;最后,根据异常状态的检测标准,依据特征匹配确定当前光伏板的异常状态与异常类型,实现对光伏板异常状态的检测。通过性能测试实验得出结论:与传统检测方法相比,优化设计方法对光伏板异常电流和表面异常面积的检测误差分别降低约0.35 A和0.03 m