计算机应用

作者：孙鹏翔, 毕利, 王俊杰

单位：宁夏大学 信息工程学院，银川 750021

关键词：光伏板,积灰程度识别,次代残差网络,注意力机制,监督对比学习损失

基金：宁夏自然科学基金资助项目(2020AAC03034)

光伏板积灰会降低光伏发电的转换效率，同时易造成光伏板的损坏；因此，对光伏板的积灰进行智能识别具有重大意义。针对以上问题，提出一种基于改进深度残差网络的光伏板积灰程度识别模型。首先，通过分解卷积和微调下采样，对次代残差网络（ResNeXt）50进行改进；然后，融合坐标注意力（CA）机制，将位置信息嵌入到通道注意力中，通过精确的位置信息对通道关系和长期依赖性进行编码，并通过二维全局池操作将特征图像分解为两个一维编码，以增强关注对象的表示；最后，用监督对比（SupCon）学习损失函数替代交叉熵损失函数，从而有效提高识别准确率。实验结果表明，在真实光伏电站4个等级的光伏板积灰程度识别中，改进后的ResNeXt50的识别准确率为90.7%，与原始ResNeXt50相比提升了7.2个百分点。所提模型可满足光伏电站智能运维的基本要求。

来源：2022年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第12期