基于深度学习的航拍光伏板红外图像热斑检测方法研究

来源：电子测量技术杂志2022年第22期北京时间：

作者：管宽岐，蔺雨桐，赵雨薇，秦列列，张楠楠，曹英丽

单位：1. 沈阳农业大学信息与电气工程学院，沈阳 110161;2. 沈阳农业大学辽宁省农业信息化工程技术中心，沈阳 110161

摘要：针对光伏电站光伏板热斑故障难以检测的问题，结合无人机巡检技术，提出一种基于深度卷积神经网络的光伏板热斑快速检测方法。首先设计了光伏板识别模型，将Yolov4主干特征提取网络替换成轻量级网络MobileNetV2，并将PAnet网络中标准3×3卷积替换为深度可分离卷积，实现了将光伏板快速从红外图像中识别出来。为快速识别热斑并解决光伏板反光噪声问题，将MobileNetV2网络引入DeeplabV3+模型中，改进由于下采样造成的目标缺失，并将交叉熵损失函数修改为Dice损失函数来进一步提高分割精度。试验结果表明，该方法能够准确识别光伏板热斑，光伏板识别准确率为99. 56%，检测速度为22. 1帧/秒。光伏板识别后的热斑分割准确度达到95. 99%，交并比mIou达到85. 58，检测速度为24. 5帧/秒，该方法能够满足光伏板故障检测的需要。

关键词：光伏电站;热斑检测;Yolov4;DeeplabV3+;Dice loss

基金资助：辽宁省重点研发计划项目（2020JH2/10200038）；国家自然科学基金项目（61903264）