基于机器视觉的小型光伏电站鸟粪监测系统

来源：计算机应用与软件杂志2025年第4期北京时间：

作者：王松, 顾翔, 王强

摘要：为了准确、高效地识别和定位小型光伏电站上的鸟粪，将改进后的YOLOv5模型搭载到树莓派开发板上构成一套光伏电站鸟粪检测系统。调低置信度阈值识别所有可疑鸟粪，识别并划分出单块光伏板，调高置信度阈值对有可疑鸟粪的光伏板进行精准鸟粪识别。为了使YOLOv5算法更适用于鸟粪目标的检测，在原YOLOv5算法中融合全字塔分割注意力模块，增加小目标检测层，用SoftPool替换原有池化操作。在测试集上，针对光伏板识别的PV-YOLOv5模型的mAP_0.5为96.78%，比Faster-RCNN高2.35百分点；针对鸟粪识别的NF-YOLOv5的mAP_0.5为94.12%，较原YOLOv5模型提升5.8百分点。

关键词：鸟粪, 光伏电站, 机器视觉, YOLOv5, 树莓派