激光与红外

作者：季瑞瑞

单位：1.西安理工大学 自动化与信息工程学院,陕西 西安 710048；2.国网西安供电公司,陕西 西安 710032；

关键词：光伏组件;红外图像;故障检测;Faster RCNN;特征融合

基金：陕西省产业化项目(No.2020ZDLGY04-04)；国网陕西省电力有限公司科技项目(No.5226XA220002)资助。

光伏故障检测对光伏电站智能运维具有重要意义。针对光伏组件红外图像中热斑目标小、难检测的问题,研究了基于改进Faster R CNN的光伏组件红外热斑故障检测模型。将Swin Transformer作为Faster R CNN模型中的特征提取模块,捕获图像的全局信息,建立特征之间的依赖关系,提高模型的建模能力；进一步利用BiFPN进行特征融合,改善了热斑故障由于目标小和特征不明显容易被模型忽略掉的问题；同时为了抑制光伏红外图像中背景和噪声的干扰,加入轻量级注意力模块CBAM,使模型更加关注重要通道和关键区域,提高对热斑故障检测精度。在自建光伏组件图像数据集上进行实验,热斑故障检测精度高达915,验证了本文模型对光伏组件热斑故障检测的有效性。

来源：2024年第4期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第4期