多尺度融合的CRC-RetinaNet光伏板阴影检测方法

作者：吴君; 范鹏辉; 王满利

来源：激光与光电子学进展, 2022, 59(16): 372-379.

• 机器视觉
• 光伏板阴影
• 密集目标检测
• RetinaNat
• cross stage partial
• 特征融合

光伏板阴影不仅会使光伏阵列的光照强度分布不均，降低发电效率，甚至还可能产生热斑效应，损坏光伏电池组件，造成系统故障。为解决光伏板阴影检测中目标密集度高、重叠度大、成本高和实时性差等问题，提出了一种基于RetinaNet算法的CRC-RetinaNet光伏板阴影检测算法。首先，所提算法特征提取网络采用cross stage partial结构，以提升准确率和检测速度；其次，采用循环特征融合结构处理提取到的特征图，以增强所有目标的特征信息；然后，改进算法的激活函数，以增强网络的鲁棒性；最后，使用CIoU损失来提高目标边框回归的定位精度。实验结果表明，所提算法的检测平均精度均值为99.24%，与原RetinaNet算法相比提高了4.02个百分点，可以满足现实环境下光伏板实时检测的要求。

• 单位
  河南理工大学