基于半监督学习的光伏板图像分割算法研究

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：苏俊, 刘智权, 唐潮龙

单位：1.厦门理工学院 电气工程与自动化学院，福建 厦门 361024；2.厦门市高端电力装备及智能控制重点实验室，福建 厦门 361024

摘要：对光伏板的精确识别与分割是光伏产业近年来研究的一个热点话题。现有光伏板分割技术大多是基于语义分割来进行的，然而语义分割模型的精度往往依赖于数据集的规模，但在实际任务中获取大量精准标注的数据并非容易；同时光伏板图像数据存在着对比度不强、边界模糊、背景复杂等影响分割的问题，不能简单地将主流语义分割模型直接迁移到该任务上。因此，提出了一种基于半监督学习的光伏板分割算法。提出了一种基于FixMatch改进的半监督学习框架，使模型充分探索利用扰动空间的特征信息；设计了基于卷积神经网络（convolutional neural network，CNN）和Transformer组成的双分支特征聚合网络，在双分支主干网络的设计中充分利用了CNN和Transformer各自在局部特征和全局特征上提取的优势，并通过设计的特征聚合网络来将两条支路的特征信息进行充分聚合，从而使模型最大程度对原始图像的多级别特征信息进行学习；最后通过实验表明在0.1 m，0.3 m，0.8 m空间分辨率的屋顶分布式光伏数据集上，所提出的方法在仅使用1/32标注数据的情况下平均交并比（mean intersection over union，MIoU）指标分别可以达到83.74%、82.77%、80.73%。

关键词：光伏产业,语义分割,半监督学习,卷积神经网络,Transformer