改进YOLOv5的光伏组件热斑及遮挡小目标检测

摘要：

热斑会严重影响光伏组件发电效率,利用红外光图像检测热斑,难以同时实现树叶、鸟粪等小型异物遮挡的有效识别,及时发现和清理异物可以有效降低因受到持续遮挡而引起的热斑.为实现对热斑更加全面的识别和处理,基于无人机巡检可见光和红外光视频图像尺寸及检测任务特点,结合K-means++算法与IoU指标改进了YOLOv5的锚框设定方案以改善结果的随机性;可见光场景中,针对遮挡物体较小导致难以检测的问题,在YOLOv5s6的主干网络中嵌入坐标注意力机制(coordinate attention,CA),设计了遮挡小目标检测模型(CA-YOLOv5s6);红外光场景中,热斑区域较为明显,选择轻量化网络YOLOv5n作为其检测模型.实验结果显示:相较于YOLOv5s6,CA-YOLOv5s6的mAP提升了2.97个百分点,达到83.78%,Parameters减少了4.8×105,达到1.18×107,有效地提高了遮挡小目标的检测精度;YOLOv5n模型的mAP、FPS、Parameters分别为93.31%、83.3、1.76×106,可以更好地满足红外图像热斑检测的任务需求.

关键词：光伏组件、热斑故障、异物遮挡、小目标检测、YOLOv5、坐标注意力

所属期刊栏目：60

分类号：TP391(计算技术、计算机技术)

资助基金：山东省高等学校教学研究与改革面上项目;鲁东大学专创融合课程建设重点项目

在线出版日期：2024-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：84-95